مقایسه برآوردگرها براساس معیار پیتمن

thesis
abstract

در آمار استنباطی روش های زیادی برای تخمین پارامترهای مجهول وجود دارند‏، بطوریکه منجر به تولید برآوردگرهای متفاوت می شوند‏. زمانی که بیش از یک برآوردگر برای یک پارامتر مجهول در اختیار داریم‏، یافتن بهترین برآوردگر دارای اهمیت بوده و بدیهی است که قضاوت باید برمبنای معیاری معقول باشد. یکی از روشهای مقایسه برآوردگرها‏،‏ معیار میانگین مربعات خطا است. روش دیگری برای مقایسه برآوردگرها‏، معیار پیتمن نزدیکی می باشد‎‎ که بر احتمال پیشامدهای معین مبتنی است. این محک براساس فراوانی نسبت‎‎ نزدیکی برآوردگرها به پارامتر مجهول بنا شده است. خصوصیات و ویژگی های منحصر به فرد معیار پیتمن باعث شده است که توجه پژوهش گران بسیاری را به خود جلب کند‏، به طوری که در سال های اخیر به شکل گسترده ای توسعه یابد. هدف اصلی این پایان نامه معرفی معیار پیتمن نزدیکی و انتخاب بهترین برآوردگر با استفاده از معیار پیتمن می باشد. در این راستا بهترین برآوردگرهای خطی نااریب و پایا حاصل از داده های سانسور نوع ii توزیع نمایی ‎یک پارامتری را معرفی کرده و آنها را براساس معیار پیتمن با یکدیگر مقایسه نموده و خصوصیات پیتمن یکنوایی و پیتمن سازگاری را نیز بررسی می کنیم. سپس این نتایج را برای داده های رکوردی توزیع نمایی دو پارامتری تعمیم می دهیم. همچنین برآوردگرهای درستنمایی ماکسیمم و نااریب بطور یکنواخت با کمترین واریانس تابع قابلیت اعتماد توزیع نمایی یک پارامتری در سیستمی با ‎n‎ تعمیر مینیمال را مقایسه و در پایان‎‎‏، برآوردگرهای خطی را نیز براساس معیار پیتمن ارزیابی خواهیم کرد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مقایسه برآوردگرها و پیش بینی کننده ها با معیار نزدیکی پیتمن

معیارهای متفاوتی ‎‎ برای مقایسه برآوردگرهای پارامتر‎های‎‎ مجهول‏ پیشنهاد شده است. معیار میانگین توان دوم خطا ‎ ‎(mse)‎ ‎‎‎ مهمترین معیار برای مقایسه برآوردگرهای مختلف می باشد. اما موقعیت هایی وجود دارند که ‎‎‎‎mse‎‎ وجود ندارد یا به دلایل مختلفی نمی توانیم آن را تعیین کنیم. به همین دلیل معیار نزدیکی پیتمن در سال 1937 توسط پیتمن به عنوان یک معیار مقایسه ای جایگزین برای ‎‎‎mse‎‎ پیشنهاد شده است. ...

معیار مقایسه پیتمن در مباحث داده های ترتیبی

در بسیاری از مسائل آماری، برای برآورد پارامتر نامعلوم جامعه، چندین برآوردگر وجود دارد. در موارد که چندین برآوردگر بدست می آید، مسئله انتخاب بهترین برآوردگر معنا پیدا می کند. معیارهای متفاوتی برای بررسی خوب بودن یک برآوردگر معرفی شده است. یکی از معیارهای بسیار معمول ارزیابی برآوردگرها، میانگین توان دوم خطا (mse ) است. معیار دیگری که برای مقایسه برآرودگرها توسط پیتمن در سال 1937 معرفی شد، معیار پ...

مقایسه روش‌های متفاوت تعیین پارامترهای سامانه تصویر مرکاتور براساس معیار چبیشوف

بیشتر نقشه‌های توپوگرافی بزرگ‌مقیاس بر پایه سامانه‌های تصویر متشابه (Conformal) بنا نهاده شده‌اند. شرط لازم در هر سامانه تصویر، تشابه بی‌نهایت کوچک در آن است. چبیشوف (Chebyshev) واپیچش یک سامانه تصویر متشابه را به صورت نوسان لگاریتمی تابع بی‎نهایت کوچک‌مقیاس در نظر گرفت. طبق معیار چبیشوف بهترین (کمینه واپیچش) سامانه تصویر متشابه روی ناحیه ، سامانه‌ای است که در آن روی مرز ناحیه ثابت باشد. در ا...

full text

مقایسه چند پیش گویی برای آماره ترتیبی توزیع نمایی تحت سانسور نوع دوم بر اساس معیار نزدیکی پیتمن

در آزمون های قابلیت اعتماد، یکی از اهداف اصلی پیش گویی زمان شکست است. دراین پایان نامه، پیش گویی ماکسیمم درستنمایی، بهترین پیش گویی نااریب خطی و بهترین پیش گویی ناوردای خطی بر اساس نمونه سانسور شده نوع دوم توزیع نمایی برای ‎$s$‎امین آماره ترتیبی در حالت یک نمونه ای و دو نمونه ای به دست می آید. سپس پیش گویی های به دست آمده با هم مقایسه می شود. یکی از معیارهای مقایسه دو پیش گویی، احتمال نزدیکی...

15 صفحه اول

تعمیمی بر معیار ‏نزدیکی پیتمن داده های ترتیبی برای چندک های جامعه

انتخاب مناسب ترین برآوردگر در بین برآوردگرهای موجود‏، یکی از دغدغه های محققین در علم آمار است. با توجه به این مهم‏، معیارهای مختلفی از جمله نااریبی‏، کمترین میانگین مربعات خطا و ‏غیره به عنوان معیاری برای انتخاب مناسب ترین برآوردگر با توجه به شرایط مسئله مورد توجه قرار گرفته اند. در این پایان نامه معیار دیگری به نام معیار پیتمن ـ نزدیکی را برای انتخاب یک برآوردگر مناسب بررسی می کنیم. از جمله پژ...

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 فردوسی مشهد - دانشکده ریاضی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023