برآورد پارامترهای جامعه ی گزینش شده در برخی توزیع های گسسته
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده اقتصاد
- author عبدالعزیز پقه
- adviser نادر نعمت الهی فرزاد اسکندری
- Number of pages: First 15 pages
- publication year 1388
abstract
فرض کنید k جامعه با پارامترهای نامعلوم وجود داشته باشد و نمونه های تصادفی مستقل با اندازه ی یکسان از هریک از k جامعه استخراج شود. فرض کنید تحت قاعده گزینش مشخص یکی از جوامع را گزینش کرده و سپس به برآورد پارامتر جامعه ی گزینش شده می پردازیم. قاعده گزینش طبیعی را گزینش جامعه ی متناظر با بزرگترین مشاهده در نظر می گیریم. هدف ما برآورد پارامتر جامعه ی گزینش شده می باشد که خود یک پارامتر تصادفی است. در این پایان نامه برآورد پارامترهای جامعه ی گزینش شده در برخی توزیع های گسسته را در نظر می گیریم. ابتدا برآورد پارامتر جامعه ی دوجمله ای گزینش شده را در نظر می گیریم. قاعده گزینش این است که جامعه ی متناظر با بیشترین تعداد موفقیت را گزینش کنیم و در حالت انطباق جوامع، یکی از دو روش زیر را به کار می بریم: (1) جامعه ای که دارای کوچکترین اندیس است گزینش می شود. (2) به تصادف یکی از جوامع متناظر با بیشترین تعداد موفقیت مشاهده شده را گزینش می کنیم. در هریک از حالات فوق برآوردیابی نااریب پارامتر جامعه ی گزینش شده را مورد بررسی قرار می دهیم. سپس برآورد پارامتر جامعه ی پواسون گزینش شده را بررسی می کنیم. در نهایت برآورد پارامتر جامعه ی گزینش شده را در خانواده توزیع های سری توانی در نظر می گیریم. همچنین برآوردگر طبیعی پارامتر جامعه ی گزینش شده را به دست آورده و نشان می دهیم که برآوردگر طبیعی ناپذیرفتنی می باشد. علاوه بر آن، با استفاده از نابرابری های تفاضلی برآوردگر غالب بر آن را به دست می آوریم.
similar resources
برآورد پارامترهای جامعه ی گزینش شده تحت توابع زیان کراندار
در این رساله به برآوردیابی پارامترهای جامعه های نرمال و گامای گزینش شده می پردازیم. در برآوردیابی پارامتر مکان جامعه ی نرمال گزینش شده، تحت تابع زیان نرمال برگردانده، برآوردگرهای مینیماکس و شرایط کافی برای ناپذیرفتنی بودن برآوردگرهای ناوردای دلخواه را به دست می آوریم. در برآوردیابی پارامتر مقیاس جامعه ی گامای گزینش شده، تحت تابع زیان گامای برگردانده، شرایط کافی برای ناپذیرفتنی بودن برآوردگرهای ...
اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textبراورد پارامترهای جامعه ی گزینش شده تحت تابع های زیان نامتقارن
هدف از استنباط آماری، استنتاج در مورد یک یا چند جامعه و پارامترهای آن ها براساس اطلاعات موجود در نمونه های جمع آوری شده از این جامعه ها است. در مسئله ی براوررد پارامترهای یک یا چند جامعه، معمولاً پارامتر مورد براورد قبل از جمع آوری نمونه مشخص است و پس از جمع آوری نمونه، با استفاده از روش های معمول براوردیابی مانند روش های گشتاوری و ماکسیمم درستنمایی، براورد می شود همچنین براوردگرهایی مانند براور...
15 صفحه اولبراورد میانگین ارزشمند جامعه ی گزینش شده
فرض کنید k جامعه مستقل با پارامترهای نامعلوم ، باشند و از جامعه ی i-ام نمونه ی تصادفی ، i=1,2,...,k را استخراج کرده باشیم. از بین این جامعه ها با استفاده از قاعده گوپتا زیرمجموعه ای از جامعه ها را به عنوان بهترین گزینش می کنیم. میانگین پارامترهای این جامعه های گزینش شده را به عنوان میانگین ارزشمند جامعه های گزینش شده (w) نامیده و هدف براورد این پارامتر است. در این پایان نامه برای جامعه های نم...
My Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده اقتصاد
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023