روش جدیدساخت تابع توزیع، مفصل پیچک
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم پایه
- author فاطمه ماندگاری بامکان
- adviser صدیق شمس
- Number of pages: First 15 pages
- publication year 1391
abstract
در این پایان نامه مدل گرافیکی جدیدی،به نام پیچک منظم، برای مدل بندی ساختار وابستگی متغیرهای تصادفی معرفی می شود. پیچک ها، درخت های مارکف را که برای مدل بندی توزیع های با بعد بالا استفاده می شوند با تضعیف فرض استقلالشرطی تعمیم می دهند که منجر به شکل های گوناگونی از وابستگی های شرطی می شوند. پیچک ها، توزیع ها را با استفاده از توزیع های حاشیه ای و راه هایی که این حاشیه ای ها به هم متصل می شوند، مشخص می کنند. یک فرمول کلی برای چگالی توزیع وابستگی پیچک نتیجه می شود و با استفاده از این فرمول و به شرط اطلاعات ویژه ای مانند همبستگی ها(رتبه ای)، توزیع پیچک با اطلاع مینیمم را می توان ساخت که نمونه گیری از این توزیع به سرعت نمونه گیری از توزیع های مستقل است. هم چنین این فرمول چگالی کلی نشان می دهد که مفصل دومتغیره تولید می شوند.به وسیله n(n-1)/2بعد از حاصل ضربnمفصل های پیچک در انتخاب مفصل های پیچک دو متغیره مناسب، مفصل پیچک می تواند برد انعطاف پذیر و وسیعی از پارامترهای وابستگی دمی بالایی و پایینی دو متغیره و وابستگی دمی بالایی/پایینی متفاوتی برای هر حاشیه دو متغیره را دارا باشد. به دلیل وجود درخت های متنوع برای nعنصر و زیرساخت بودن درخت ها برای پیچک ها، پیچک های متنوعی می توان تولید کرد، بنابراین برای بررسی تعداد پیچک های منظم، روش جدیدی برای ساخت و شمارش پیچک ها و الگوریتمی برای تولید این تعداد پیچک -n!/2 ?_(i=0)^(n-3)?2^i - معرفی شده است. با توجه به تعداد پیچک های ممکن، برآوردگر مفصل های پیچک زیاد هستند، بنابراین توزیع برآوردگر مفصل های پیچک مورد بررسی قرار گرفته و اثبات می گردد که برآوردگر مفصل های پیچک واریانس مجانبی قابل مقایسه ای دارند و دارای نرخ همگرایی ثابتی هستند. بنابراین برای انتخاب یکی از این پیچک ها کافی است یکی از آن ها که بهتر گویای داده ها است، با محکی مانند ملاک آکاییک انتخاب گردد. برای این هدف، الگوریتمی برای برآورد و الگوریتم کارایی از لحاظ محاسباتی به خصوص در بعد بالا برای انتخاب پیچک معرفی می شود.
similar resources
دگرسانی های تابع مفصل و توزیع های حاشیه ای آن
مفصل ها ابزار مناسبی برای تبیین توزیع های چندمتغیره هستندو دارای کاربرد وسیعی در زمینه های متفاوت از جمله مطالعه بردارهای تصادفی، شبیه سازی، بیان ساختار وابستگی در داده های مالی و بیمه ای و مسائل آنالیز بقا در پژوهش های مختلف می باشند.
ماکسیمم آنتروژی تابع مفصل
تابع مفصل به عنوان یک راه کلی فرموله کردن یک توزیع چند متغیره مورد استفاده قرار می گیرد در حالی که به طور کلی انواع مختلفی از وابستگی می تواند وجود داشته باشد. در این پایان نامه ضمن معرفی تابع مفصل وشرح خصوصیات آن به بیان آنتروپی پرداخته وبه دنبال یافتن تابع مفصلی با ماکزیمم آنتروپی هستیم .
15 صفحه اولکاربرد تابع توزیع ویبال در مطالعه توزیع عمقی سزیوم-137
سزیوم-137 به عنوان یکی از مهمترین آلاینده های هسته ای رهاسازی شده از سوانح رخ داده در تاسیسات هسته ای، همواره از منظر رادیو-اکولوژیک مورد توجه بوده است و اطلاعات کمّی از نحوه توزیع عمقی در بازه های زمانی مختلف پس از نِهشت سطحی اولیه، تاثیر مستقیمی بر الگوی پرتو گیری آتی ساکنین مناطق آلوده دارد. در کنار مدل های عددی دقیق و البته پیچیده، تمایل زیادی به استفاده از الگوهای تحلیلی جایگزین که حاوی مبان...
full textانتخاب تابع مفصل دو بعدی به روش بیز
در تحلیل های آماری، با در اختیار داشتن توزیع توأم متغیرهای تصادفی قادریم به توزیع های کناری متغیرها دست یابیم، اما دغدغه اساسی پی بردن به توزیع توأم، از طریق توزیع های کناری می باشد. از آنجایی که توابع مفصل پیوند میان توزیع های کناری و توزیع توأم هستند، بنابرین ابزار مهمی در دستیابی به هدف ما می باشند. از این رو هدف ما در این پایان نامه دست یافتن به تابع مفصلی است که بهترین برازش را بر داده های...
وابستگی دمی با تابع مفصل
تاتع هفظل یک اتسار س دَه ذٌ ترای تیای اٍتستگی تیی هتغیر اّ هی تاشذ، در ایی پایای اًه ترای ت دست آ رٍدی اٍتستگی دهی ترای د سری داد ت جای ا تًخاب یک تاتع هفظل ک فقط اٍتستگی دهی تالایی را شًای هی د ذّ یا یک تاتع هفظل ک اٍتستگی دهی پایی یٌ را شًای هی د ذّ از ترکیه هحذب ه اٌسثی از د تاتع هفظل ک یکی اٍتستگی دهی تالایی دیگری اٍتستگی دهی پایی یٌ را شًای هی د ذٌّ استفاد شذ، پس از ا تًخاب تاتع هفظل ترکیثی ه اٌسه، ت اَتع ت زَی...
My Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم پایه
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023