برازش مدل های آمیخته توسط توزیع های منعطف برای اثرات تصادفی از دیدگاه بیزی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده ریاضی
- author ریحانه ریخته گران
- adviser ایرج کاظمی
- Number of pages: First 15 pages
- publication year 1391
abstract
مدل های خطی با اثرات تصادفی یکی از پرکاربردترین مدل هایی است که برای مدل سازی داده های پانلی و طولی به کار می رود. در این مدل ها، دقت استنباط با کنترل تغییرپذیری بین و درون واحدها با درنظرگرفتن اثرات تصادفی در مدل، افزایش می یابد. در سال های اخیر، برازش مدل های با اثرات تصادفی دارای توزیع منعطف، موضوع بسیاری از تحقیقات بوده است. برای این منظور، توزیع های پارامتری و ناپارامتری مختلفی ارائه شده است. در رویکرد کلاسیک، به دست آوردن برآورد پارامترهای مدل های با توزیع منعطف در بسیاری از موارد دشوار است. درصورتی که در رویکرد بیزی با استفاده از ساختار سلسله مراتبی توزیع ها، استنباط آماری ساده تر انجام می شود. در این راستا، در این رساله با استفاده از رویکرد نیمه پارامتری بیزی به معرفی توزیع منعطف جدیدی به نام فرآیند دیریکله چوله می پردازیم که تعمیمی از توزیع های چوله نرمال و فرآیند دیریکله با پایه نرمال است. به این ترتیب، یک توزیع منعطف پارامتری با توزیعی نیمه پارامتری ترکیب شده و توزیعی منعطف تر از هر یک از دو توزیع قبلی به دست می آید. اکثر داده های پانلی دارای ساختار همبستگی پیاپی هستند. این ساختار به وسیله مدل های پویا با درنظرگرفتن متغیر(های) پاسخ تأخیری می تواند به خوبی مدل شود. در این مدل ها، مسأله شرایط آغازین که به دلیل وجود وابستگی بین مشاهدات زمان های آغازین و اثرات تصادفی رخ می دهد، غالباً منجر به اریبی شدید در برآورد پارامترها می شود. از این رو در این رساله، توزیع منعطف فرآیند دیریکله را به گونه ای برای اثرات تصادفی درنظر می گیریم که به درستی بتواند این وابستگی را پوشش دهد. همچنین در اکثر تحقیقات کاربردی با داده های پانلی دارای همبستگی پیاپی، مشاهدات در فواصل زمانی نابرابر به دست می آیند. معمولاً این فواصل بر میزان و نحوه تأثیرگذاری پاسخ های متوالی تأثیر می گذارند. در این رساله به معرفی نحوه جدیدی از تأثیرگذاری بین پاسخ های متوالی می پردازیم. سپس تحلیل این داده ها را به کمک تعمیمی از مدل های پویا درنظر می گیریم. در این راستا به مدل سازی صحیح توزیع اثرات تصادفی از طریق درنظرگرفتن مسأله شرایط آغازین نیز توجه می کنیم.
similar resources
تحلیل بیزی مدل های آمیخته خطی با اثرات تصادفی ناهمگن
مدل های خطی با اثرات آمیخته اغلب برای تحلیل داده های طولی به کار می روند تا ناهمگنی واحدهای آزمایشی را کنترل و همبستگی حاصل از اندازه گیری های مکرر واحدها در طول زمان را در مدل سازی لحاظ کنند. در تحلیل این داده ها گاهی مشاهدات دورافتاده باعث عدم تقارن و یا چندمدی بودن توزیع داده ها می شود که این باعث عدم برقراری فرض متداول نرمال بودن اثرات تصادفی و مانده ها خواهد شد. در این راستا، جایگزینی توز...
روش های بیزی ناپارامتری برای مدل های آمیخته خطی با اثرات تصادفی ناهمگن
امروزه مدلهای آمیخته خطی به طور گسترده برای تحلیل داده ها در علوم مختلف مورد استفاده قرار می گیرند. در اینگونه مدله ا اغلب با اتخاذ روش پارامتری، فرض می شود توزیع اثرات تصادفی نرمال است. همچنین هنگامی که توزیع داده ها چوله یا دم کلفت است، تعمیم هایی از توزیع نرمال مانند چوله نرمال یا چوله نرمال مستقل برای اثرات تصادفی فرض می شود. اما این توزیعه ا تک مدی بوده و استفاده از آنها وقتی توزیع داد...
15 صفحه اولبرازش مدل های فرّاریت تصادفی در چارچوب بیزی
فرّاریت میزان عدم حتمیت یا ریسک مربوط به درجه و اندازه ی تغییرات ارزش اوراق بهادار در یک بازه ی زمانی خاص نامیده می شود. برای مدل کردن فرّاریت با زمان- تغییرپذیر سری های زمانی مالی بسیاری شامل مدل اتورگرسیو ناهمسان واریانس (arch)، تعمیم یافته اش (garch) و مدل فرّاریت تصادفی (sv) پیشنهاد شده است. در این پایان نامه، کشیدگی مدل های garch و sv را زمانی که عامل نوسازی شرطی غیر - نرمال باشد، به دست می آ...
15 صفحه اولبرازش مدل های رگرسیونی پویا با داده های پانلی توسط روش های ماکسیمم درستنمایی و بیزی
مدلهای رگرسیونی پویا با دادههای پانلی دارای کاربرد بسیاری در مطالعات اقتصادی و اجتماعی هستند. خصوصیت بارز این مدلها وجود متغیرهای تاخیری به عنوان متغیر تبیینی است. این ویژگی باعث اغتشاش در خواص برآوردها توسط روشهای معمول برآوردیابی خواهد شد. یک مسئله اساسی در مدلسازی مشاهدات پانلی تغییرپذیری بین واحدهای آزمایشی است که به علت پیچیدگی محاسبات در استفاده از روشهای متداول برآوردیابی، اغلب این...
full textمقایسه عملکرد برازش مدل¬های رگرسیون تصادفی حیوانی و نری برای صفات تولیدی گاوهای هلشتاین ایران
full text
برازش مدل های رگرسیونی با اثرات آمیخته با توزیع های غیرنرمال
در بسیاری از تحقیقات کاربردی بخصوص در علوم پزشکی، کشاورزی و مطالعات اقتصادی، مدل های رگرسیونی با اثرات آمیخته برای تحلیل داده های طولی و مشاهدات وابسته به کار می روند. در این مدل ها وجود اثرهای تصادفی باعث تبیین تغییرپذیری درمشاهدات تکراری وتعدیل ساختارهمبستگی بین اندازه های مکرر مربوط به واحدها و یا مشاهدات وابسته درون طبقات شده که این موجب افزایش دقت وکارایی بیشتر برآورد پارامترها می شود. فرض...
15 صفحه اولMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده ریاضی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023