برای پیشگویی بیزی یک مدل فضایی – زمانی گاوسی، پارامترهای نامعلوم مدل بعنوان متغییر متغییرهای تصادفی با توزیعهای پیشین معلوم در نظر گرفته می شود و با گسسته سازی فضای پارامتر، توزیعهای پیسین و پیشگوی بیزی تقریبی تعیین می شوند. در این مقاله با فرض پارامتری بودن توزیع های پیشین و اتخاذ رهیافت بیز تجری توزیع پیشین را برآورد نموده و با جایگذاری آن در توزیع پیشگوی بیزی، پیشگوی فضایی – زمانی بیز تجربی ...

توزیع های آمیخته در بسیاری از تحقیقات کاربردی مانند ژنتیک، زیست شناسی و اقتصاد مورد توجه محققان قرار گرفته است. این توزیع ها در برازش مدل های رگرسیونی سهم بسزایی دارند. مطالعات فراوانی براساس توزیع های آمیخته صورت گرفته و روش های برآوردیابی مختلفی برای برآورد پارامترهای این توزیع ها مورد بررسی قرار گرفته است. در این رساله، توزیع های نرمال،t ، نرمال-چوله و t-چوله آمیخته را برای برازش خط رگرسیونی...

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 می شود. یکی از اهداف مهم در بررسی این مدل ها برآورد پارامترها و متغیرهای پنهان و پیشگویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این ...

  تاکنون مساله آشکارسازی سیگنال با استفاده از نظریه میدان های تصادفی توسط گروهی از آمارشناسان مورد بررسی قرار گرفته است. در این مقاله برآورد نقطه ای پارامترهای سیگنال یک میدان تصادفی گاوسی فضای مقیاس به روش بیزی را مورد بررسی قرار می دهیم. با توجه به پیچیدگی توزیع پسین پارامترهای این مدل و عدم وجود فرم بسته برای آن، با استفاده از روش مونت کارلوی زنجیر مارکوفی ( MCMC )، برآوردهای مذکور را تقریب ...

در بسیاری از مسائل آمار فضایی و فضایی-زمانی هنگام مدل بندی تابع روند، پیشگوها یا متغیرهای کمکی در دسترس هستند و هدف این است که مدل رگرسیونی بسازیم که ارتباط میان پاسخ و پیشگو را توصیف نماید. به طور کلی، در مدل های رگرسیون فضایی یا فضایی-زمانی تابع روند اغلب به صورت خطی اختیار شده و فرض می شود که میانگین پاسخ یک ترکیب خطی از مقادیر پیشگوها در همان موقعیت متغیر پاسخ است. اما در مسائل کاربردی بعضاً...

در تحلیل بیزی مدل‌های رگرسیون جمعی ساختاری که قالبی انعطاف پذیر از مدل‌های آماری در زمینه‌های کاربردی دارند توزیع‌های پسینی فرم بسته‌ای ندارند و استفاده از الگوریتم‌های مونت کارلوی زنجیر مارکوفی به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمان‌بر هستند. روش تقریب لاپلاس آشیانی جمع بسته می‌تواند با استفاده از تقریب‌های گاوسی و لاپلاس نیاز به شبیه‌سازی‌های سنگین را مرتفع سازد. در ا...

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 ...

چکیده: در این مقاله، یک مدل فضای وضعیت نرمال چوله‌ی مدار الکتریکی RC با در نظر گرفتن معادله‌ی دیفرانسیل تصادفی این مدار با نوفه‌ی سفید و رنگی به‌عنوان مدل پویا و نوفه‌ی اندازه‌ی نرمال چوله به جای نرمال معرفی می‌شود. فن پالایش بهینه با استفاده از طرح مونته کارلوی دنباله‌ای برای به‌دست آوردن بار به‌عنوان متغیر وضعیت مدل به کار گرفته شده است. علاوه بر آن فرض شده است که مدل شامل پارامترهای نامعلوم ...

  برای پیشگویی بیزی یک مدل فضایی – زمانی گاوسی، پارامترهای نامعلوم مدل بعنوان متغییر متغییرهای تصادفی با توزیعهای پیشین معلوم در نظر گرفته می شود و با گسسته سازی فضای پارامتر، توزیعهای پیسین و پیشگوی بیزی تقریبی تعیین می شوند. در این مقاله با فرض پارامتری بودن توزیع های پیشین و اتخاذ رهیافت بیز تجری توزیع پیشین را برآورد نموده و با جایگذاری آن در توزیع پیشگوی بیزی، پیشگوی فضایی – زمانی بیز تجرب...

در این پایان نامه خواص برآوردکننده های انقباضی مینیماکس بیز به منظور اندازه گیری مدل توزیع گاوسی معکوس تحت ضوابط مینیماکس مورد بررسی قرار می گیرد. برآوردگر ریسک کمینه تحت زیان لاینکس برای پراکندگی معکوس ? از توزیع گاوسی معکوس در دسته برآوردگرهای نااریب پیشنهاد می شود. با بهبود کارایی برآوردگر انقباضی، اگر مقدار تخمین زده شده ی ?_0در نزدیکی مقدار حقیقی ? باشد، دسته بندی برآوردگرهای انقباضی بیز ...