مدل بندی داده های شمارشی تحت تأثیر بیش پراکنش با مدل رگرسیون پواسون- بیرنبام ساندرز

Authors

رضا پورموسی

reza pourmousa department of statistics, shahid bahonar university, kerman, iran.گروه آمار، دانشگاه شهید باهنر کرمان نرجس گیلانی

narjes gilani department of statistics, shahid bahonar university, kerman, iran.گروه آمار، دانشگاه شهید باهنر کرمان

abstract

در این مقاله ابتدا به معرفی مدل های رگرسیون پواسون آمیخته پرداخته و در ادامه به معرفی یک مدل جدید به نام رگرسیون پواسون-بیرنبام ساندرز با هدف لحاظ کردن مسئله بیش پراکنش در مدل بندی داده های شمارشی پرداخته می شود. از آن جا که توزیع بیرنبام ساندرز آمیخته ای از دو توزیع گاوسی وارون تعمیم یافته است، لذا می توان مدل معرفی شده دو پارامتری را تعمیمی بر مدل های قبلی دانست که علاوه بر داشتن یک پارامتر کمتر نسبت به مدل رگرسیون پواسون گاوسی وارون تعمیم یافته، دارای شکل بسته در تابع جرم احتمال حاشیه ای و گشتاورهای مربوطه است. برای برآورد پارامتر های این مدل از الگوریتم em استفاده و در نهایت کارایی این مدل نسبت به مدل های موجود با استفاده از مطالعه شبیه سازی شده و یک مثال واقعی نشان داده شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل‌بندی داده‌های شمارشی تحت تأثیر بیش‌پراکنش با مدل رگرسیون پواسون- بیرنبام ساندرز

در این مقاله ابتدا به معرفی مدل‌های رگرسیون پواسون آمیخته پرداخته و در ادامه به معرفی یک مدل جدید به نام رگرسیون پواسون-بیرنبام ساندرز با هدف لحاظ کردن مسئله بیش‌پراکنش در مدل‌بندی داده‌های شمارشی پرداخته می‌شود. از آن‌جا که توزیع بیرنبام ساندرز آمیخته‌ای از دو توزیع گاوسی وارون تعمیم‌یافته است، لذا می‌توان مدل معرفی شده دو پارامتری را تعمیمی بر مدل‌های قبلی دانست که علاوه بر داشتن یک پارامتر ...

full text

مدل بندی داده های فازی با رگرسیون اسپلاین تطبیقی چندگانه

در این مقاله به مدل بندی داده های ورودی دقیق-خروجی فازی پرداخته می شود و رویکرد رگرسیون مارس فازی با پارامترهای دقیق و جملات خطای فازی معرفی می گردد. روش پیشنهادی شامل دو مرحله است: در مرحله اول با استفاده از رگرسیون اسپلاین تطبیقی چندگانه (مارس) مراکز متغیر وابسته برآورد می شوند، و در مرحله دوم کمترین مقادیر خطاهای فازی بر اساس یک مساله بهینه سازی غیر خطی به دست می آیند. در انتها کاربرد مدل ...

full text

توزیع بیرنبام ساندرز بر پایه مدل های چوله

در سالهای اخیر برای بررسی یرخی مسایل کاربردی از جمله علوم زیست محیطی، توزیع بیرنبام ساندرز مورد توجه محققان آماری قرار گرفته است.محققان زیادی تعمیم های از این توزیع را ارایه داده اند اما این تعمیم ها همچنان در بعضی از صدک ها ناکارامدند. در این پایان نامه ابتدا توزیع چوله نرمال تی را معرفی کرده و توزیع چوله نرمال کوشی را بعنوان یک حالت خاص از آن مورد بحث ققرار می دهیم در بخش دوم این پایان نامه ه...

مدل بندی داده های فازی با رگرسیون اسپلاین تطبیقی چندگانه

در این مقاله به مدل بندی داده های ورودی دقیق-خروجی فازی پرداخته می شود و رویکرد رگرسیون مارس فازی با پارامترهای دقیق و جملات خطای فازی معرفی می گردد. روش پیشنهادی شامل دو مرحله است: در مرحله اول با استفاده از رگرسیون اسپلاین تطبیقی چندگانه (مارس) مراکز متغیر وابسته برآورد می شوند، و در مرحله دوم کمترین مقادیر خطاهای فازی بر اساس یک مساله بهینه سازی غیر خطی به دست می آیند. در انتها کاربرد مدل پی...

full text

توزیع بیرنبام-ساندرز برپایه توزیع چوله-لاپلاس

  در این مقاله تعمیم دیگری از توزیع بیرنبام-ساندرز برپایه‌ توزیع چوله-لاپلاس ارایه می‌شود. همچنین برخی از ویژگی‌های توزیع معرفی شده به همراه برآورد پارامترهای توزیع با استفاده از الگوریتم EM و برآورد خطاهای استاندارد ارائه شده است. در نهایت نیز یک مثال شبیه‌سازی شده و همچنین کاربرد برازش توزیع روی دو مجموعه داده‌ واقعی مورد بررسی قرار گرفته شده است.

full text

مقایسه ی انواع مدل های رگرسیون در تحلیل داده های شمارشی

مدل متداول در برازش داده های شمارشی پواسون است که ویژگی مهم آن برابری میانگین و واریانس می باشد. اما در مباحث کاربردی در صورت عدم برقراری این شرط استفاده از مدل پواسون منجر به استنباط نادرستی از پارامترهای مدل خواهد شد. در این مقاله ضمن بررسی موضوع بیش پراکنش و آزمون های مربوط به آن، مدل‎های دوجمله ای منفی و پواسون تعمیم یافته به عنوان جایگزین هایی برای مدل پواسون معرفی می شوند. در ادامه، به مق...

full text

My Resources

Save resource for easier access later


Journal title:
مجله علوم آماری

جلد ۱۰، شماره ۲، صفحات ۰-۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023