مقایسه توابع توان آزمون رگرسیون چند متغیره خطی و تحلیل واریانس بدون اثر متقابل
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده علوم
- author علیرضا قدسی
- adviser حسن صادقی
- Number of pages: First 15 pages
- publication year 1376
abstract
در تحلیل رگرسیونی ما قادریم که بین یک متغیر موردنظر به عنوان متغیر وابسته (پاسخ) و یک یا چند متغیر مستقل تعیینی (پیش بین)، رابطه ای را با تجربه معین کرده و از آن استفاده نمائیم. علاوه بر این می توانیم با استفاده از آزمون فرضهای خطی به این نتیجه برسیم که کدامیک از متغیرهای مستقل روی متغیر وابسته تاثیر دارند. می دانیم که آنالیز واریانس ، معادل رگرسیون باا متغیرهای ظاهری است . لذا در اینجا نیز با استفاده از فرضهای خطی می توان تاثیر متغیرهای مستقل (عوامل مورد بررسی) را روی متغیر پاسخ آزمون نمود. در این حالت اگر عوامل مورد بررسی کمی باشند، مقادیر این عوامل در مدل شرکت ندارند. اگر بتوان مقادیر این عوامل را در مدل وارد نمود با استفاده از مدل جدید می توان مقادیر متغیر پاسخ را به ازای مقادیر عاملها، تخمین زد. در این پایان نامه ابتدا روش فرموله کردن مسائل آنالیز واریانس با عوامل کمی به مدل رگرسیون با شرکت مقادیر عامها گفته می شود. سپس معیاری معرفی می شود که به کمک آن بتوان توان آزمونها را در دو حالت رگرسیون چند متغیره خطی و آنالیز واریانس بدون اثر متقابل مقایسه نموده تا با استفاده از آن معین کنیم که در چه وضعیتی بهتر است از چه روشی استفاده شود. قسمت اول کار نظری است که با استفاده از روشها و محاسبات آماری لازم و مراجعه به مقاله ها و کتب مربوط انجام می پذیرد. و قسمت دوم عملی است که با تعیین معیار بدست آمده و با استفاده از رایانه می توان شرایط مختلف را بررسی نمود. لذا ابتدا در فصل اول تعاریف و قضایای مربوط به فرضهای درجه دوم را بیان کرده ایم. در فصل دوم مدلهای خطی کلی را معرفی و قضیه های لازم را آورده ایم. و سپس فرمول محاسبه مقدار توان آزمون فرضهای خطی کلی را بیان نموده ایم. در فصل سوم رگرسیون چند متغیره خطی که حالت خاصی از مدلهای خطی کلی است را معرفی نموده ایم. در فصل چهارم، تحلیل واریانس بدون اثر متقابل را مورد بحث قرار داده و چگونگی استفاده از متغیرهای ظاهری برای تبدیل مدل تحلیل واریانس به مدل رگرسیونی را بیان کرده ایم. آنگاه روش فرموله نمودن این مدل را در حالتی که عوامل کمی می باشند را به مدل رگرسیون با شرکت مقادیر عوامل مورد بررسی شرح داده ایم و تابع توان آزمون را در هر حالت معرفی کرده ایم. و بالاخره در فصل آخر معیار گفته شده را معرفی و از آن برای اهداف گفته شده استفاده شده است . آنگاه با استفاده از نرم افزار sas، برنامه ها و جداولی ارائه داده ایم که با استفاده از آنها بتوان در عمل، یکی از روشهای گفته شده را انتخاب نمود.
similar resources
پیشبینی شاخص تردی سنگ با استفاده از رگرسیون چند متغیره غیر خطی و درخت رگرسیون CART
شاخص تردی (شکنندگی) سنگ یکی از مهمترین پارامترهای مؤثر بر حفاریهای زیرزمینی به ویژه در حفاری با ماشین (TBM) به حساب میآید که محاسبه دقیق این پارامتر برای طراحیهای ژئوتکنیکی بسیار مهم و کاربردی است. در این مقاله، شاخص تردی سنگ با استفاده از دو روش رگرسیون چند متغیره غیر خطی و همچنین درخت رگرسیون CART بر روی پایگاه داده شامل 48 ردیف دادهای از 30 پروژه تونلسازی مختلف پیشبینی شده است. این پا...
full textبهبود یک روش آزمون فرضیه و فاصله اطمینان در رگرسیون خطی تک متغیره فازی
در این مقاله، ابتدا یک روش موجود برای برآورد، انجام آزمون فرضیه فازی و فاصله اطمینان فازی برای ضرایب فازی یک مدل رگرسیون خطی ساده با ورودیهای دقیق و خروجیهای فازی معرفی میشود. سپس، معایب و نقایص این روش با تحلیل چند مثال عددی مورد بررسی و نقد قرار میگیرد. با معرفی یک رویکرد جایگزین مناسب در برآورد ضرایب و بکارگیری فرضیههای فازی متعارف در محیط فازی، سعی میکنیم روش مذکور در ساختار و اتخاذ ...
full textبررسی مقایسه ای مولفه های تولید بموقع در گروه های مختلف صنعتی تبریز با استفاده تحلیل واریانس چند متغیره
تولید به موقع تفکر و نگرشی نوین در اداره سازمانهای صنعتی است که اصول، روشها و تکنیکهای برخاسته از آن، حذف کامل و جامع اتلاف و افزایش بهرهوری را در تمامی فعالیتها اعم از داخل و خارج سازمان دنبال میکند. بر همین اساس نیز هدف این تحقیق بررسی مقایسهای مولفههای تولید به موقع در گروههای مختلف صنعتی تبریز میباشد. جامعه آماری این تحقیق شامل576 کارخانه در چهار صنعت ماشین آلات و تجهزات، مواد و محصول...
full textتوزیع فارلی-گامبل-مرگنسرتن دو متغیره با توابع حاشیه ای توان دو متغیره
This article has no abstract.
full textمقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
مسکن همواره نیازی اساسی در جامعه تلقی میگردد. بازار مسکن طی سالهای گذشته یکی از پرنوسان-ترین بخشهای اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخشهای اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیشبینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیشبینی قیمت مسکن در ش...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده علوم
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023