گاهی زیر مجموعه کوچکی از داده ها می توانند اثر نامناسبی بر برآورد پارامترها یا پیش بینی داشته باشند. بنابراین یافتن این داده ها برای تحلیل گر رگرسیون حائز اهمیت بوده و گامی مهم در فرآیند ساختن مدل است. اغلب وجود مشاهدات ناروا و وقوع هم خطی به صورت هم زمان پیچیدگی هایی را ایجاد می کند. بنابراین لازم است ابتدا هم خطی کنترل و سپس به تشخیص مشاهدات ناروا پرداخته شود. از سوی دیگر هم خطی باعث افزایش و...

در هیـدرولوژی نمـی­تـوان زمـان دقیق وقـوع یک پدیـده مانند سیـلاب و بارش را تعیین نمود ولی می توان نحوه وقوع حوادث قبلی را بررسی کرد و احتمال وقوع متوسط آنها را به دست آورد و مقدار آن را در دوره بازگشت های مختلف برآورد کرد. یکی از مهمترین فاکتور های لازم در تحلیل فراوانی داشتن سری داده های صحیح و طولانی است در میان سری داده­ها، داده های پرت می توانند نقش منفی در پیش بینی مقادیر داشته باشند. هدف ...

داده­های پرت در ژئوشیمی اکتشافی بسیار مهم هستند و می­توانند اثرات زیادی بر نتایج روش­های آماری از جمله جداسازی آنومالی از زمینه داشته باشند. بنابراین یکی از اولین مراحل پیش پردازش در تحلیل داده­های ژئوشیمیایی، تشخیص و تصمیم­گیری در مورد حذف یا تصحیح آن­ها است. این داده­ها را به 3 روش تک متغیره، دو متغیره و چند متغیره می­توان شناسایی کرد که هدف از این تحقیق جداسازی آن­ها با استفاده از روش­های تک...

در تحلیل پوششی داده ها که از مقایسه ی عملکرد نسبی یک واحد در قیاس با مجموعه ی مرجع برای تشخیص ناکارایی نسبی و ارائه ی الگوی بهبود استفاده می شود، تشخیص درست واحدهای پرت برای دستیابی به نتایج دقیق بسیار مهم است. در این نوع مدل ها ی مرز قطعی، امروزه به کارگیری آزمون های آماری در تشخیص داده های پرت بسیار مرسوم هستند. این مقاله به معرفی دو آزمون آماری برای تشخیص نقاط پرت در تحلیل پوششی داده ها می پ...

ماده آلی خاک به عنوان شاخصی کلیدی از درجه تخریب خاک ها و قابلیت ترسیب کربن در آن ها بوده و تعیین الگوی پراکنش مکانی آن در یک منطقه از اقدامات اساسی برای تدوین استراتژی های مؤثر مدیریت خاک و اکوسیستم محسوب می شود. در این خصوص، روش های زمین آماری مانند کریجینگ به طورگسترده ای به منظور تعیین الگوی پراکنش مکانی کربن آلی و سایر ویژگی های خاک به کار برده شده است. ویژگی های آماری داده های اولیه تأثیر ...

همانطور که می دانیم حضور داده های پرت در یک مجموعه از مشاهدات هموارد مورد بحث بوده است، در سری های زمانی نیز حضور این گونه داده ها غیر قابل اجتناب است و از آنجا که حذف داده های پرت از یک مجموعه داده ی سری زمانی کاری نسبتا نامعقول است، پس لازم است به برآوردگرهایی دست یابیم که اثرپذیری کمتی از داده های پرت نسبت به برآوردگرهای کلاسیک داشته باشند. از آنجا که الگوی خودبازگشتی همبسته دوره ای دارای کا...

در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...