وجود مشاهدات پرت یکی از مهمترین موضوعات در استنباط آماری است. با توجه به این که این مشاهدات تاثیر زیادی بر روی مدل برازش شده و استنباط­های مربوط به آن  دارند، پیدا کردن روشی برای مشخص کردن اثر مشاهدات پرت ضروری است. هدف این مقاله بررسی تاثیر مشاهدات پرت بر روی برآورد تابع  چگالی به روش هسته­ای است. در این مقاله با استفاده از  روش جستجوی پیشرو، به شناسایی مشاهدات پرت و تاثیر آنها بر برآورد تابع ...

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 این مقاله پس از تشریح روش پرت دلایل عدم کارایی این روش بیان می گردد. آن گاه استفاده از تابع توزیع احتمال با رویکردهای مختلف آن به عنوان یک روش جدید معرفی می شود . این روش نواقص روش پرت را که ناشی از فرض های ساده کننده و غیر واقعی آن است برطرف می نماید. فرض هایی که باعث می شوند زمان تکمیل پروژه با استفاده از روش پرت کمتر از زمان واقعی آن تخمین زده شود.

وجود مشاهدات پرت یکی از مهمترین موضوعات در استنباط آماری است. با توجه به این که این مشاهدات تاثیر زیادی بر روی مدل برازش شده و استنباط­های مربوط به آن  دارند، پیدا کردن روشی برای مشخص کردن اثر مشاهدات پرت ضروری است. هدف این مقاله بررسی تاثیر مشاهدات پرت بر روی برآورد تابع  چگالی به روش هسته­ای است. در این مقاله با استفاده از  روش جستجوی پیشرو، به شناسایی مشاهدات پرت و تاثیر آنها بر برآورد تابع ...

کارایی روش منشأیابی با ردیاب­‌ها یا انگشت­‌نگاری به‌­عنوان روشی موفق و مؤثر برای تعیین منابع رسوبات به اثبات رسیده است. اولین و مهم­ترین مرحله روش منشأیابی رسوب، انتخاب ترکیب مناسبی از ردیاب است که قادر به جداسازی منابع رسوب باشند .وجود داده­‌های پرت بر انتخاب ترکیب مناسبی از ردیاب­‌ها اثر گذاشته، ممکن است مانع انتخاب متغیرهای مهم (ردیاب­‌های مؤثر) شده و توان جداسازی یا درصد طبقه­‌بندی صحیح را ...

در این مقاله پس از تشریح روش پرت دلایل عدم کارایی این روش بیان می گردد. آن گاه استفاده از تابع توزیع احتمال با رویکردهای مختلف آن به عنوان یک روش جدید معرفی می شود . این روش نواقص روش پرت را که ناشی از فرض های ساده کننده و غیر واقعی آن است برطرف می نماید. فرض هایی که باعث می شوند زمان تکمیل پروژه با استفاده از روش پرت کمتر از زمان واقعی آن تخمین زده شود.

بسیاری از سری های زمانی در عمل تحت تاثیر رویدادهای خارجی نظیر:اعتصاب ها، ظهور جنگ، بحران های سیاسی و غیره قرار می گیرند. نتیجه ی این پیشامدهای بازدارنده که نقاط پرت نامیده می شوند، ظهور مشاهدات تصنعی است که با سایر مشاهدات سری زمانی سازگاری ندارد. در این رساله نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در مدل های garch مورد بررسی قرار گرفته و جهت شناسایی نقاط پرت، اثرات آن ها در تعیین مدل...

شبکه های پرت احتمالی مدلهای سودمندی در مدیریت پروژه در حوزه هایی چون تحقیق و توسعه، فعالیتهای ساختمانی، تولید و ... هستند. در این پایان نامه مساله محاسبه تقریبی تابع توزیع زمان تکمیل شبکه های پرت احتمالی که زمان فعالیتهای آنها دارای توزیعهای احتمالی مستقل هستند، مورد بحث قرار می گیرد. در فصل اول پایان نامه شبکه های پرت احتمالی به طور کامل معرفی می شوند. در فصل دوم مروری بر ادبیات شبکه های پرت ا...

در تحلیل پوششی داده ها که از مقایسه ی عملکرد نسبی یک واحد در قیاس با مجموعه ی مرجع برای تشخیص ناکارایی نسبی و ارائه ی الگوی بهبود استفاده می شود، تشخیص درست واحدهای پرت برای دستیابی به نتایج دقیق بسیار مهم است. در این نوع مدل ها ی مرز قطعی، امروزه به کارگیری آزمون های آماری در تشخیص داده های پرت بسیار مرسوم هستند. این مقاله به معرفی دو آزمون آماری برای تشخیص نقاط پرت در تحلیل پوششی داده ها می پ...