عبدالرضا سیاره
دانشیار، گروه علوم کامپیوتر و آمار، دانشگاه صنعتی خواجه نصیرالدین طوسی
[ 1 ] - انتخاب مدل غیرآشیانی در مدل‌های رگرسیونی با باقی‌ماندۀ سری‌های زمانی نامنفی
یکی از فرضیات معمول در مدل‌های رگرسیونی، نرمال و مستقل بودن مانده‌ها و آشیانی بودن مدل‌های تحت بررسی است. اما در عمل، با مدل‌های غیرآشیانی و خطاهای همبسته نامنفی نیز مواجه می‌شویم. در این مقاله، انتخاب مدل برای مدل‌های رگرسیونی غیرآشیانی با باقی‌ماندۀ خودبازگشتی نامنفی با توزیع‌های گاما، وایبل و لگ-نرمال به‌عنوان مدل‌های رقیب در نظر گرفته شده است. به‌دلایل فنی پارامترهای موجود در مدل‌ها با استف...
[ 2 ] - مجموعه‌ی پذیرفتنی مدل‌های رقیب بر پایه‌ی مخاطره‌های کولبک ــ لیب‌لر آمیخته
چکیده: هدف از انتخاب مدل یافتن مدل بهینه است. در حالت کلی، مدل مناسب نتایج خوبی به‌دست می‌دهد و لذا بررسی معیارهای ارزیابی یک مدل ذهنی برای بررسی نیکویی مدل مناسب از اهمیت ویژه‌ای برخوردار است. در این مقاله هدف پاسخ به این سؤال است که چگونه می‌توان مجموعه‌ای نامتناهی از همه‌ی مدل‌های مناسب برای داده‌ها را به مجموعه‌ای کوچک‌تر تبدیل کرد. در این مقاله، ترکیبی متناهی از معیاری شناخته‌شده در مسأله...
[ 3 ] - Statistical Inference in Autoregressive Models with Non-negative Residuals
Normal residual is one of the usual assumptions of autoregressive models but in practice sometimes we are faced with non-negative residuals case. In this paper we consider some autoregressive models with non-negative residuals as competing models and we have derived the maximum likelihood estimators of parameters based on the modified approach and EM algorithm for the competing models. Also,...
[ 4 ] - Model Selection Based on Tracking Interval Under Unified Hybrid Censored Samples
The aim of statistical modeling is to identify the model that most closely approximates the underlying process. Akaike information criterion (AIC) is commonly used for model selection but the precise value of AIC has no direct interpretation. In this paper we use a normalization of a difference of Akaike criteria in comparing between the two rival models under unified hybrid cens...
[ 5 ] - مقایسه‌ی برآوردگرهای بوت استرپ، درستنمایی ماکزیمم بهبودیافته و گشتاوری پارامترهای مدل خودبازگشتی با خطاهای نامنفی
فرض نرمال بودن خطاها، یکی از فرضیات معمول در مدل‌های سری زمانی است اما در بعضی مواقع با مواردی مواجه می‌شویم که خطاها از توزیع نرمال پیروی نمی‌کنند. در این مقاله مدل‌های خودبازگشتی در نظر گرفته می‌شوند که در آن خطاها مستقل و همتوزیع هستند و از توزیعی از خانواده‌های نمایی و یا وایبل پیروی می‌کنند. برآوردگرهای درستنمایی ماکزیمم بهبودیافته، بوت استرپ و گشتاوری پارامترهای مجهول مدل‌های ذکر شده در ح...
[ 6 ] - Model Selection for Mixture Models Using Perfect Sample
We have considered a perfect sample method for model selection of finite mixture models with either known (fixed) or unknown number of components which can be applied in the most general setting with assumptions on the relation between the rival models and the true distribution. It is, both, one or neither to be well-specified or mis-specified, they may be nested or non-nested. We consider mixt...
[ 7 ] - Modified Maximum Likelihood Estimation in First-Order Autoregressive Moving Average Models with some Non-Normal Residuals
When modeling time series data using autoregressive-moving average processes, it is a common practice to presume that the residuals are normally distributed. However, sometimes we encounter non-normal residuals and asymmetry of data marginal distribution. Despite widespread use of pure autoregressive processes for modeling non-normal time series, the autoregressive-moving average models have le...
[ 8 ] - Testing Several Rival Models Using the Extension of Vuong\'s Test and Quasi Clustering
The two main goals in model selection are firstly introducing an approach to test homogeneity of several rival models and secondly selecting a set of reasonable models or estimating the best rival model to the true one. In this paper we extend Vuong's method for several models to cluster them. Based on the working paper of Katayama $(2008)$, we propose an approach to test whether rival models h...
Co-Authors