سیستم پیرسن و تابع چگالی پیرسن نوع vii حاصلضربی

thesis
abstract

خانواده توزیع های پیرسن، خانواده ای شامل دوازده تابع چگالی احتمال پیوسته با چولگی و کشیدگی های مختلف است که بسیاری از توزیع های مهم و شناخته شده را هم شامل می شود. فصل اول این پایان نامه به معرفی خانواده توابع چگالی احتمال پیرسن یا سیستم پیرسن اختصاص دارد. در این فصل روش به دست آوردن این توابع چگالی احتمال، برآورد پارامترها و معیار تفکیک آن ها را بیان می کنیم. از اعضای این خانواده می توان برای برازش یک تابع چگالی احتمال پیوسته به داده هایی که توزیع نامشخصی دارند استفاده کرد که روش برازش توابع چگالی احتمال پیرسن به داده ها و چگونگی برآورد پارامترهای این توزیع ها را ذکر کرده و آن را با یک مثال عددی شرح می دهیم. در فصل دوم، یک تابع چگالی احتمال جدید معرفی می شود که از حاصلضرب دو تابع چگالی احتمال پیرسن نوع ‎vii‎ ساخته شده است و آن را تابع چگالی پیرسن نوع ‎vii‎ حاصلضربی می نامیم. سپس به کاربردهایی از این توزیع اشاره کرده و به بررسی ویژگی های ساختاری این توزیع جدید مانند تابع توزیع تجمعی، گشتاورها، برآورد ماکزیمم درستنمایی پارامترها، ماتریس اطلاع فیشر، میانگین انحراف از میانگین و میانه، آنتروپی و توزیع حدی آماره های مرتب فرین می پردازیم. در آخر، دو تابع چگالی حاصلضربی جدید را با استفاده از خانواده پیرسن معرفی کرده و گشتاور مرتبه ‎ kام آن ها را محاسبه می کنیم. در فصل سوم، کاربردهایی از تعدادی از توابع چگالی احتمال پیرسن مطرح می شود. ابتدا کاربردی از تابع چگالی پیرسن نوع ‎vii‎ حاصلضربی بیان می شود و از این تابع چگالی به عنوان توزیع پسین یک متغیر تصادفی و برای انجام یک آزمون بیزی در مورد میانگین توزیع نرمال استفاده می شود. در بخش بعد با استفاده از تابع چگالی پیرسن نوع ‎i‎، یک تقریب پیوسته برای تابع احتمال دوجمله ای با پارامترهای n=50 و ‎ p=0.3 به دست آورده و آن را با تقریب هایی که از روش های دیگر به دست می آیند مقایسه می کنیم. کاربرد بعدی مربوط به تابع چگالی پیرسن نوع ‎iii‎ است که از آن برای برآورد حداکثر حجم آب یک رودخانه در یک ایستگاه هیدرومتری به ازای دوره های بازگشت مختلف استفاده خواهیم کرد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مقایسه ای از رویکردهای نیمن-پیرسن، بیز و کم-بیشینه در ازمون فرضیه های فازی

در این مقاله، سه رویکرد نیمن-پیرسن، بیز و کم-بیشینه را به مسئلۀ آزمون فرضیه های فازی (در حالتی که داده ها معمولی هستند) مطرح و مقایسه می کنیم. در هر سه رویکرد اگر فرضیه ها دقیق در نظر گرفته شوند، آزمون مربوط معادل با ازمون نیمن-پیرسن، بیز و کم-بیشینه برای فرضیه های دقیق خواهد بود. یک مثال کاربردی نیز در حوزۀ کشاورزی ارائه می شود و به وسیلۀ این سه رویکرد مورد بررسی قرار می گیرد.

full text

نقد کهن الگویی سفر قهرمان در داستان ماهی سیاه کوچولو بر اساس نظریه کمپبل و پیرسن

این مقاله به نقد کهن­الگویی سفر قهرمان در داستان ماهی سیاه کوچولو، اثر صمد بهرنگی می­پردازد. کمپبل، برای کهن­الگوی سفر قهرمان سه مرحله در نظر گرفته ­است: عزیمت،‌ جدایی و بازگشت. او معتقد است که رشد کهن­الگوها در روان فرد، مستلزم گذر از این مراحل است. پیرسن، از شارحان نظریه‌ی کمپبل، اعتقاد دارد که در طی این سه مرحله، دوازده کهن­الگو در روان فرد فعال می­شوند. در مرحله‌ی عزیمت، مع...

full text

مقایسه ای از رویکردهای نیمن-پیرسن، بیز و کم-بیشینه در ازمون فرضیه های فازی

در این مقاله، سه رویکرد نیمن-پیرسن، بیز و کم-بیشینه را به مسئلۀ آزمون فرضیه های فازی (در حالتی که داده ها معمولی هستند) مطرح و مقایسه می کنیم. در هر سه رویکرد اگر فرضیه ها دقیق در نظر گرفته شوند، آزمون مربوط معادل با ازمون نیمن-پیرسن، بیز و کم-بیشینه برای فرضیه های دقیق خواهد بود. یک مثال کاربردی نیز در حوزۀ کشاورزی ارائه می شود و به وسیلۀ این سه رویکرد مورد بررسی قرار می گیرد.

full text

برآورد تابع چگالی در حضور داده‌های پرت

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 ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده علوم ریاضی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023