طرح های d-بهینه برای مدل رگرسیون پواسن چندگانه با ضرایب تصادفی

thesis
abstract

یکی از مباحثی که اخیراً در مسائل کاربردی مورد توجه بعضی از آماردانان قرار گرفته شده است، استفاده از طرح ‎های آزمایش بهینه برای انجام آزمایش های آمار است. این طرح ها بر اساس ماکسیمم کردن توابعی از ماتریس اطلاع فیشر برای پارامتر به دست می آیند‎.‎‎ از آن جایی که در مدل های آمیخته خطی تعمیم یافته، نمی توان فرم صریحی برای تابع درستنمایی و در نتیجه ماتریس اطلاع فیشر به دست آورد، بنابر این از روش های تقریبی بجای روش درستنمایی استفاده می شود. ‎در‎ اینجا از روش شبه درستنمایی جهت به دست آوردن تقریبی از ماتریس اطلاع برای مدل های رگرسیون پواسن با ‎‎ضرایب تصادفی استفاده شده است. این مدل ها، حالت های خاصی از مدل های آمیخته خطی تعمیم یافته هستند. ‎‎‎در این پایان نامه طرح های d-بهینه را‎ برای رگرسیون پواسن در حالتی که اثرات ثابت و تصادفی باشند مورد بحث قرار داده می شود و در پایان مدل های خاصی از رگرسیون پواسن دوگانه با ضرایب تصادفی را بررسی کرده و استراتژیی برای بدست آوردن طرح های بهینه برای مدل های پواسن چند گانه با ضرایب تصادفی ارائه می د‎‎هیم.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

طرح D-بهینه برای مدل مقایسه زوج شده در رگرسیون درجه دوم با اثرات تصادفی

معیارهای بهینگی برای یافتن طرح بهینه مدل مورد بررسی، استفاده می‌شوند. این نوع مدل‌ها شامل مدل‌های مقایسه زوج شده هستند، که معیارهای بهینگی مقایسه‌های زوج شده بهینه را مشخص می‌کنند. در این مقاله علاوه بر معرفی مدل رگرسیونی درجه دوم با اثرات تصادفی، مدل‌های مقایسه زوج شده در این نوع مدل‌ها معرفی و طرح بهینه برای آنها محاسبه شده است.

full text

طرح D-بهینه بیزی برای مدل رگرسیون پواسون با اثر تصادفی

عمده تحقیقات بهینه‌سازی طرح برای مدل‌های با اثرات آمیخته روی طرح‌های بهینه موضعی متمرکز شده است. این طرح‌ها بر اساس حدس اولیه‌ای از پارامترهای مدل صورت می‌گیرد. بنابراین ممکن است بهترین طرح اما بر اساس فرضیات اشتباه به‌دست آید. استفاده از دیدگاه بیزی در حالاتی که اطلاعاتی راجع به پارامترهای مدل موجود است در سال‌های اخیر مورد توجه محققان بوده است. در این مقاله بهینه‌سازی طرح برای مدل رگرسیون پوا...

full text

طرح D- بهینه برای مدل رگرسیونی بتا با اثر تصادفی

 عمده تحقیقات بهینه‌سازی طرح بر روی مدل‌های خطی و خطی تعمیم‌یافته صورت گرفته است. در مطالعات کاربردی در زمینه کشاورزی و علوم اجتماعی و ... معمولا در کنار اثرات ثابت حداقل یک اثر تصادفی نیز در مدل وجود دارد. این مدل‌ها تحت عنوان مدل‌های آمیخته شهرت دارند. در این مقاله مدل رگرسیون بتا با یک عرض از مبدا تصادفی به عنوان یک مدل آمیخته، مورد توجه است و طرح D-بهینه موضعی برای دو حالت ساده و درجه دو از...

full text

D- کارایی طرح های D-بهینه برای مدل پواسون با عرض از مبدا تصادفی

عمده تحقیقات بهینه سازی طرح برای مدل های با اثرات آمیخته روی مدل های خطی و مدل های با پاسخ دودویی تمرکز دارد. اخیرا مدل های پواسون با اثرات تصادفی نیز توسط بعضی از محققین در نظر گرفته شده است. در این مقاله حالتی خاص از مدل های آمیخته پواسون تحت عنوان مدل پواسون با عرض از مبداء تصادفی بررسی می شود. تغییرات طرح آزمایش بر حسب واریانس اثر تصادفی را بدست آورده و نشان داده می شود که این تغییرات وابست...

full text

طرح d-بهینه برای مدل مقایسه زوج شده در رگرسیون درجه دوم با اثرات تصادفی

معیارهای بهینگی برای یافتن طرح بهینه مدل مورد بررسی، استفاده می شوند. این نوع مدل ها شامل مدل های مقایسه زوج شده هستند، که معیارهای بهینگی مقایسه های زوج شده بهینه را مشخص می کنند. در این مقاله علاوه بر معرفی مدل رگرسیونی درجه دوم با اثرات تصادفی، مدل های مقایسه زوج شده در این نوع مدل ها معرفی و طرح بهینه برای آنها محاسبه شده است.

full text

d- کارایی طرح های d-بهینه برای مدل پواسون با عرض از مبدا تصادفی

عمده تحقیقات بهینه سازی طرح برای مدل های با اثرات آمیخته روی مدل های خطی و مدل های با پاسخ دودویی تمرکز دارد. اخیرا مدل های پواسون با اثرات تصادفی نیز توسط بعضی از محققین در نظر گرفته شده است. در این مقاله حالتی خاص از مدل های آمیخته پواسون تحت عنوان مدل پواسون با عرض از مبداء تصادفی بررسی می شود. تغییرات طرح آزمایش بر حسب واریانس اثر تصادفی را بدست آورده و نشان داده می شود که این تغییرات وابست...

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 رازی - دانشکده علوم

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023