آزمون های نیکویی برازش در محیط نادقیق(فازی)

thesis
abstract

روش های کلاسیک مبتنی بر مفروضاتی از قبیل دقیق بودن مشاهدات، دقیق بودن فرضیات آزمون، دقیق بودن پارامترهای مجهول و . . . می باشد ولی در جهان واقعی گاهی این مفروضات دقیق نیستند. نظریه مجموعه های فازی ارائه شده توسط پروفسور لطفی عسکرزاده راهی مناسب برای فرمول بندی و تحلیل این گونه مفاهیم و موضوعات نادقیق می باشد. در این پایان نامه ابتدا برخی از مفاهیم فازی و سپس متغیر تصادفی فازی را بیان کرده و با استفاده از آن به تعریف مفاهیم تابع توزیع تجمعی، تابع توزیع تجربی، تابع آنتروپی، برآوردگر آنتروپی واسیچک، برآوردگر آنتروپی ون ای اس، پارامتر و برآورد آن در محیط فازی می پردازیم. همچنین آزمون های نیکویی برازش براساس ماکسیمم آنتروپی و اطلاع کولبک-لیبلر در حالت کلاسیک را به محیط فازی تعمیم می دهیم. این پایان نامه شامل چهار فصل می باشد که در زیر خلاصه ای از مطالب هر فصل آمده است. در فصل اول، مفاهیم اصلی مجموعه های فازی را بیان کرده و به تعریف متغیر تصادفی فازی براساس مقاله چاچی و حسامیان [6] پرداخته و براساس تعریف تابع توزیع تجمعی و تجربی در محیط فازی که در مقاله چاچی و حسامیان [6] بیان شده تعریف جدیدی برای تابع توزیع تجمعی و تجربی در محیط فازی بیان کرده ایم. در فصل دوم، به معرفی تابع آنتروپی و برآوردگر آنتروپی واسیچک و ون ای اس در محیط فازی پرداخته ایم. در فصل سوم، آزمون های نیکویی برازش براساس ماکسیمم آنتروپی و اطلاع کولبک-لیبلر در حالت کلاسیک را به محیط فازی تعمیم داده ایم و از روش شبیه سازی مونت کارلو و بوت استرپ برای بدست آوردن آماره آزمون و ناحیه بحرانی استفاده کرده ایم. در فصل چهارم، ابتدا تعریف جدیدی برای پارامتر در محیط فازی بیان کرده و سپس به برآورد آن در محیط فازی پرداخته ایم.

similar resources

آزمون نیکویی برازش برای توزیع نمایی وزنی

در رده جدیدی از توزیع های نمایی وزنی که توسط گوپتا و کاندو [1] ارائه شد، پارامتر چولگی به توزیع نمایی اضافه گردیده است. بنابراین توزیع نمایی وزنی دارای پارامترهای چولگی و مقیاس است. در این مقاله آزمون نیکویی برازش برای این رده با پارامترهای مجهول را بررسی می کنیم. آزمون بر مبنای آماره های معروف اندرسون و کلموگروف-اسمیرنف انجام می گیرد. برای یافتن چندک های آماره اندرسون از روش بوت استرپ اما در م...

full text

آزمون نیکویی برازش برای توزیع نمایی برمبنای برآورد اطلاع رنی

  آزمون نیکویی برازش برای توزیع نمایی برمبنای آنتروپی اولین بار توسط ابراهیمی و همکاران (1992) به کمک برآورد اطلاع کولبک لایبلر معرفی شد. ما در این مقاله ابتدا اطلاع رنی را به روشی همانند روش به کار گرفته شده توسط کوریا (1995) برای برآورد آنتروپی شانون، برآورد نموده و سپس از آن به عنوان آماره آزمون نمایی بودن توزیع استفاده می­کنیم. در ادامه توان آزمون های پیشنهادی را با چند آزمون دیگر به کمک شب...

full text

آزمون نیکویی برازش برای توزیع نمایی وزنی

در رده جدیدی از توزیع های نمایی وزنی که توسط گوپتا و کاندو [1] ارائه شد، پارامتر چولگی به توزیع نمایی اضافه گردیده است. بنابراین توزیع نمایی وزنی دارای پارامترهای چولگی و مقیاس است. در این مقاله آزمون نیکویی برازش برای این رده با پارامترهای مجهول را بررسی می کنیم. آزمون بر مبنای آماره های معروف اندرسون و کلموگروف-اسمیرنف انجام می گیرد. برای یافتن چندک های آماره اندرسون از روش بوت استرپ اما در م...

full text

آزمون نیکویی برازش توزیع نمایی برمبنای برآوردگرهای جدید آنتروپی

در این مقاله، ابتدا دو برآوردگر جدید آنتروپی معرفی می‌شود. سپس آزمون نیکویی برازش فرضیه نمایی بودن توزیع جامعه برمبنای برآوردگرهای جدید معرفی می‌شود و توان آنها با توان سایر آزمون‌های برمبنای آنتروپی توزیع نمایی مورد مقایسه قرار می‌گیرد. نتایج مطالعات شبیه‌سازی نشان می‌دهد که برآوردگرهای پیشنهادی عموما عملکرد بهتری در مقایسه با سایر برآوردگرها در برآورد آنتروپی و آزمون نیکویی برازش دارند

full text

آزمون های نیکویی برازش مبتنی بر آنتروپی

در رساله حاضر پس از بیان کلیاتی در مورد آنتروپی و برآوردگرهایش، برآوردگری برای آنتروپی معرفی کرده ایم. ویژگی ها و سازگاری برآوردگر اثبات شده است. سه توزیع نرمال، نمایی و یکنواخت را در نظر گرفته-ایم، این برآوردگر را از لحاظ اریبی و جذر میانگین مربع خطا برای توزیع های یاد شده با سایر برآوردگرهای آنتروپی مقایسه کرده ایم. سپس به مبحث آزمون های نیکویی برازش براساس آنتروپی پرداخته و آزمون هایی جدید...

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 بیرجند - دانشکده علوم ریاضی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023