به کارگیری متغیرهای کمکی برای اصلاح برآوردگرها روشی متداول در آمار و به خصوص بررسی های نمونه ای است. به عنوان مثال می توان به برآوردگرهای نسبتی و رگرسیونی در نمونه گیری اشاره کرد. با فرض معلوم بودن مجموع جامعه کمکی و برقرار بودن یک سری شرایط، برآوردگرهای کالیبره و واریانس آنها را می توان با استفاده از برآوردگرهای رگرسیونی تعمیم یافته به دست آورد. در این مقاله، با فرض نامعلوم بودن مجموع مت...

مدل های گاوسی پنهان فضایی زیرکلاس گسترده و انعطاف پذیری از مدل های رگرسیون جمعی ساختاری هستند که در زمینه های کابردی متعددی مورد استفاده قرار می گیرند. گاهی در تحلیل بیز سلسله مراتبی این گونه مدل ها توزیع های پسینی یا شرطی کامل فرم بسته ای ندارند، لذا برای محاسب? آن ها معمولا از الگوریتم های مونت کارلوی زنجیر ماکوفی استفاده می شود. وجود همبستگی بین عناصر میدان پنهان معمولا موجب افزایش زمان محاس...

چکیده مقادیر کرانگین به مشاهدات خیلی بزرگ یا کوچک حاصل از یک فرایند اطلاق می شود. تحلیل این مقادیر در نظریه مقادیر کرانگین با فرض استقلال همراه است. گاهی این فرض در عمل واقع گرایانه نیست. وابستگی فضایی مشاهدات از جمله مواردی است که موجب نقض این فرض می شود. معمولا در نظریه مقادیر کرانگین فرض می شود ماکسیماهای سالیانه فضایی از توزیع مقدار کرانگین تعمیم یافته پیروی می کنند، که ساختار همبستگی فضا...

یکی از فرض های معمول در برازش مدل های خطی برای توزیع خطاهای تصادفی، نرمال است. استنباط آماری بر اساس توزیع نرمال در صورت وجود نقاط دورافتاده منجر به نتایج نادرست خواهد شد. از طرفی اگر توزیع مشاهدات دارای چولگی و یا کشیدگی ذاتی باشد این فرض مخدوش خواهد شد. تحقیقات زیادی در ارتباط با ساختار توزیع های انعطاف پذیر توسط آماردانان انجام گرفته است که در تحلیل داده ها با پراکندگی زیاد بتوانند جایگزین ن...

مدل های خطی با اثرات آمیخته اغلب برای تحلیل داده های طولی به کار می روند تا ‏ناهمگنی واحدهای آزمایشی را کنترل و همبستگی حاصل از اندازه گیری های مکرر واحدها در طول زمان را در مدل سازی لحاظ کنند. در تحلیل این داده ها گاهی مشاهدات دورافتاده باعث عدم تقارن و یا چندمدی بودن توزیع داده ها می شود که این باعث عدم برقراری فرض متداول نرمال بودن اثرات تصادفی و مانده ها خواهد شد. در این راستا، جایگزینی توز...

اغلب در مدل های فضایی-زمانی پویا تحت فرض های محدودکننده ایستایی و همسانگردی، مدلی پارامتری برای تابع کوواریانس فضایی اختیار شده و استنباط ها ارایه می شود. اما در برخی مسایل کاربردی این مفروضات همگنی ممکن است برقرار نباشد. از طرف دیگر گاهی با مواردی وجود دارد که تعداد موقعیت های نمونه گیری زیاد است و استنباط بیزی با استفاده از الگوریتم های مونت کارلوی زنجیر مارکوفی محاسبات فراوانی بدنبال خواهد د...

توزیع نرمال یکی از مهمترین توزیع های آماری است که در آمار نظری و آمارکاربردی نقش کلیدی دارد. در واقع، پیش فرض بسیاری از روش های آماری نرمال بودن توزیع جامعه می باشد. اما، عملاً در بسیاری از مسائل روزمره و واقعی قبول چنین فرضی معقول به نظر نمی رسد، زیرا گر چه توزیع جامعه داده ها به توزیع نرمال نزدیک است ولی بر خلاف توزیع نرمال، آن ها نوعاً نامتقارن و یا حتی دو مدی هستند. در دهه های اخیر بررسی توزی...

مدل های چند سطحی در علوم کاربردی شامل علوم اجتماعی، جامعه شناسی، پزشکی و اقتصاد برای تحلیل داده های همبسته مورد استفاده قرار می گیرند. روش های متفاوتی برای برآورد این مدل ها با متغیر پاسخ نرمال وجود دارند. در این مقاله برای به کارگیری روش بیزی از تعمیم الگوریتم مونت کارلوی زنجیر مارکوف استفاده می شود که قالبی ساده داشته و باعث حذف همبستگی بین نمونه های شبیه سازی برای پارامترهای ثابت وخطای منتسب...

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 ...

روش مونت کارلو زنجیر مارکوفی (mcmc) را برای استنباط بیزی فرآیندهای تلاطم تصادفی ارنشتاین – النبک غیر گاووسی گسترش می دهیم. همچنین برای فرآیند تلاطم تصادفی فرآیند لوی پشت زمینه ای، پواسن مرکب در نظر گرفته می شود. در این پایان نامه در ابتدا دو روش بر اساس الگوریتم های متروپلیس – هستینگس (m-h) و گیبس، که از بهترین الگوریتم های mcmc هستند، با عنوان روش های مرکزی و غیر مرکزی ارائه می شوند. آن گاه ا...