در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...

در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...

از جمله نقاط دیگری که در این پایان نامه می توان به آن اشاره کرد نقاط دور است که ارتباط نزدیکی با نقطه پرت دارد. همچنین در این پایان نامه نقاط ضعیف و تک افتاده را مورد بررسی قرار می دهیم و کاربردهای آن را نشان می دهیم و به کمک این نقاط، ناهمگنی فضاهای تیخونف را اثبات می کنیم . همچنین شرایط وجود نقاط پرت در فضاهای تیخونف را بررسی کرده و ثابت می کنیم که اعداد حقیقی شامل نقاط پرت هستند.

گاهی زیر مجموعه کوچکی از داده ها می توانند اثر نامناسبی بر برآورد پارامترها یا پیش بینی داشته باشند. بنابراین یافتن این داده ها برای تحلیل گر رگرسیون حائز اهمیت بوده و گامی مهم در فرآیند ساختن مدل است. اغلب وجود مشاهدات ناروا و وقوع هم خطی به صورت هم زمان پیچیدگی هایی را ایجاد می کند. بنابراین لازم است ابتدا هم خطی کنترل و سپس به تشخیص مشاهدات ناروا پرداخته شود. از سوی دیگر هم خطی باعث افزایش و...

در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سری­های زمانی معرفی و اثر آن­ها در تعیین مدل، برآورد پارامترها و باقیمانده­های مدل مورد بررسی قرار گرفته است. در مطالعه­ای شبیه­سازی، مدل (1و1) garch را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی خاصی ادغام کرده، سپس به بررسی و مقایسه تاثیر هر نوع نقطه پرت روی این مدل پرداخته شده است. در نهایت باقیمانده­ها با حض...

مدل های رگرسیونی برای برقراری ارتباط بین یک متغیر وابسته و تعدادی متغیر مستقل به کار می روند. برای ساختن این مدل ها نیاز به مشاهداتی از متغیرهای مورد مطالعه می باشد. در رگرسیون کلاسیک فرض می شود که این متغیرها و مشاهدات مربوط به آن ها دقیق هستند. ممکن است در یک بررسی مشاهدات مربوط به یک یا چند متغیر نادقیق باشند و یا نادقیق گزارش شده باشند. همچنین ممکن است که متغیرهای مورد مطالعه ذاتاً دارای ارت...