مدل های پنهان بیزی با ضرایب متغیر برای داده های فضایی - زمانی ناحیه ای
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده ریاضی
- author سودابه امامقلی
- adviser مجید جعفری خالدی
- Number of pages: First 15 pages
- publication year 1393
abstract
در بسیاری از مسائل کاربردی در حوزه آمار فضایی_زمانی، تحلیل داده¬های ناحیه¬ای مورد نظر است. برای این منظور، مدل¬های آمیخته خطی تعمیم یافته فضایی_زمانی به دلیل انعطاف پذیری آنها مورد توجه قرار دارند. اغلب در این مدل¬ها ضرایب رگرسیونی برای کلیه زمان¬ها و نواحی ثابت فرض می-شوند. اما در مسائل عملی با حالت¬هایی مواجه می¬شویم که این فرض چندان توجیه¬پذیر به نظر نمی¬رسد. در این پایان¬نامه برای این مسئله چاره اندیشی شده و مدل¬های متغیر پنهان منعطفی ارائه می¬شوند. به ویژه با کمک یکی از آنها خوشه¬بندی ضرایب نیز ارائه می¬شود. بدین ترتیب قادر خواهیم بود به خوشه¬بندی نواحی از نظر میزان تا ثیرگذاری متغیر کمکی بر متغیر پاسخ بپردازیم. نحوه کاربست مدل در مثال¬های کاربردی مربوط به حوادث ترافیک شهر تهران و هزینه بهداشت و درمان استان¬های کشور نشان داده شده و تفاسیر آماری برازش مدل ارائه می¬شوند.
similar resources
تحلیل بیزی داده های فضایی رسته ای مرتب با استفاده از مدل متغیر پنهان بریده شده
در برخی مسائل کاربردی آمار فضایی با تحلیل داده های رسته ای مرتب مواجه ایم. اینگونه داده ها در حوزه های مختلف پژوهشی از قبیل محیط زیست، اپیدمیولوژی و علوم اجتماعی موجودند. به دلیل اهمیت مطالعه چنین داده هایی، در این پایان نامه از مدل متغیر پنهان بریده شده برای تحلیل داده های فضایی رسته ای مرتب استفاده می شود. در این راستا، ابتدا با فرض نرمال بودن متغیر های تصادفی پنهان، روش بیزی برای برآورد پارا...
15 صفحه اولتحلیل بیزی تقریبی داده های فضایی – زمانی با استفاده از یک میدان تصادفی مارکوفی گاوسی
برای مدل بندی پاسخ های فضایی که در طول زمان مشاهده می شوند گاهی از مدل های سلسله مراتبی فضایی- زمانی استفاده می شود که در آن ساختار همبستگی فضایی –زمانی داده ها توسط یک میدان تصادفی پنهان گاوسی با تابع کوواریانس فضایی ماترن در نظر گرفته میشود. یکی از اهداف مهم در بررسی این مدلها برآورد پارامترها و متغیرهای پنهان و پیشگویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این ...
full textتحلیل بیزی مدل دومتغیره ترتیبی نامتقارن برپایه متغیر پنهان
مدل بندی پاسخ های ترتیبی همبسته معمولا پیچیده تر از پاسخ های پیوسته یا دو حالتی است. روش های موجود در برخی حالات، به ویژه وقتی پاسخ دو یا چند متغیره مورد بررسی به صورت نامتقارن باشد، چندان توسعه نیافته اند. پیش از این روش های مختلفی برای تحلیل پاسخ های ترتیبی و همبسته در کتب و مقالات پیشنهاد شده اند. در اینگونه مدل بندی ها اگر حجم نمونه کم باشد تحلیل کلاسیک کارایی ندارد و بهترین روش فایق آمدن...
full textمقایسه ای بین روش های ماکسیمم درستنمایی و بیزی برای برآورد پارامترهای سه مدل اقتصادسنجی فضایی
گاهی در اقتصادسنجی مشاهدات مورد مطالعه مستقل نیستند و وابستگی آنها ناشی از موقعیت قرار گرفتن مشاهدات در فضای مورد مطالعه است. برای تحلیل این نوع از دادهها از مدلهای رگرسیونی فضایی استفاده میشود. به دلیل وجود تعداد زیاد پارامتر در این مدلها، برای به دست آوردن برآوردهای ماکسیمم درستنمایی از الگوریتمهای تکرار شونده استفاده میشود که با مشکل پیچیدگی محاسبات مواجه است. علاوه بر این در مطالعات ...
full textتحلیل بیزی داده های حوادث ترافیکی با استفاده از مدل های فضایی ناحیه ای
در ایران حوادث ترافیکی، شایع ترین علت مصدومیت و دومین علت مرگ ومیر است، به گونه ای که این موضوع بار اجتماعی – اقتصادی در حدود 6 درصد درآمد ناخالص کشور را به جامعه تحمیل کرده است. لذا به کارگیری روش های آماری در این حوزه، برای پیش گویی و برآورد عوامل اثر گذار به منظور افزایش ایمنی بسیار ضروری و مهم تلقی می شود. به طور کلی مسائل مختلف آماری در این زمینه مطرح است. به طور کلی با توجه به هدف مورئ مط...
تحلیل بیزی مدل دومتغیره ترتیبی نامتقارن برپایه متغیر پنهان
مدل بندی پاسخ های ترتیبی همبسته معمولا پیچیده تر از پاسخ های پیوسته یا دو حالتی است. روش های موجود در برخی حالات، به ویژه وقتی پاسخ دو یا چند متغیره مورد بررسی به صورت نامتقارن باشد، چندان توسعه نیافته اند. پیش از این روش های مختلفی برای تحلیل پاسخ های ترتیبی و همبسته در کتب و مقالات پیشنهاد شده اند. در اینگونه مدل بندی ها اگر حجم نمونه کم باشد تحلیل کلاسیک کارایی ندارد و بهترین روش فایق آمدن ب...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده ریاضی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023