در مطالعه و تجزیه تحلیل مدلهای آماری دینامیک به کمک روشهای کلاسیک همواره با محدودیت های زیادی مواجه خواهیم شد. به علاوه اگر این مدلها با اطلاعات پیشین همراه شوند پیچیدگی محاسبات در آنها به مراتب زیادتر خواهد شد. با این حال با داشتن نمونه های تصادفی کافی از این مدلها و یا چگالیهای آماری ناشناخته آنها می توانیم به استنباط های مربوطه به کمک محاسبه امیدهای مختلف و بقیّه کمیّت ها بپردازیم. در این پای...

براورد بیزی مدل های nig از طریق روش های مونت کارلوی زنجیر مارکوفی از طریق روش مونت کارلوی زنجیر مارکوفی صورت می گیرد

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...

در بسیاری از زمینه ها مانند مهندسی، فیزیک و اقتصاد، مدل گوسی عملکرد خوبی نداشته و برای برازش داده های چوله و دم سنگین مناسب نمی باشد. با استفاده از توزیع پایدار می توان داده های دم سنگین و چوله را به خوبی برازش کرد، ولی مشکلات استنباطی برای برآورد پارامترهای آن به وجود می آید. که این مساله به عدم وجود تابع چگالی به فرم تحلیلی و نامتناهی بودن گشتاورهای بزرگ تر از a هنگامی که a?2 مربوط می شود، در...

مدل های خطی با اثرات تصادفی یکی از پرکاربردترین مدل هایی است که برای مدل سازی داده های پانلی ‏و طولی به کار می رود. در این مدل ها‏، دقت استنباط با کنترل تغییرپذیری بین و درون واحدها با درنظرگرفتن اثرات تصادفی در مدل‏، افزایش می یابد. در سال های اخیر‏، برازش مدل های با اثرات تصادفی دارای توزیع منعطف‏، موضوع بسیاری از تحقیقات بوده است. ‏برای این منظور‏، توزیع های پارامتری و ناپارامتری مختلفی ارائ...

تعیین چگالی های ناشناخته در بسیاری از کاربردها نظیر مدل های بیزی پیچیده تنها به کمک شبیه سازی ممکن بوده و در این میان روشهای مونت کارلوی زنجیر مارکوفی بیشترین سهم را دارند. روش های مختلف مونت کارلوی زنجیر مارکوفی ، امروزه به عنوان ابزاری اساسی در قلمرو علم آمار و به ویژه در مباحث بیزی بکار رفته و همراه با افزایش قدرت پردازش و سرعت محاسبات کامپیوترها در حال تکمیل و گسترش می باشد. در این پایان نا...

با استفاده از روش مونت کارلوی زنجیر مارکوفی (mcmc)،فرایند نقطه ای شبیه سازی می کنیم که توزیع آن همان توزیع هدف ما باشد و برای مدل هایی که بدست آوردن براورد ماکسیمم درست نمایی آنها به روش کلاسیک امکان پذیر نیست روش mcmc را به کار برده و برورد آنهارا بدست می آوریم

سری های زمانی متعددی وجود دارند که مدل های خطی مرسوم برای آن ها چندان مناسب نیست. از جمله می توان به سری های زمانی دوره ای با دوره تناوب نامنظم و نامعلوم اشاره کرد. مدل های خطی برای مدل سازی این سری ها ناکارآمد است. بخصوص مدل های خطی در بحث آینده نگری این مدل ها، حافظه لازم برای بخاطر سپردن دوره های نامنظم را ندارند. در سال های اخیر مطالعه ی مدل های سری زمانی غیرخطی مورد توجه قرار گرفت و مدل ها...

در چند دهه اخیر توزیع های آماری مختلفی در مدل های رگرسیونی خطی معرفی شده اند که هرکدام دارای ویژگی های خاصی هستند. خانواده توزیع های آمیخته-مقیاس اخیرا مورد توجه فراوان قرار گرفته است. ساختار این خانواده بر پایه یک فرآیند سلسله مراتبی تصادفی است که در آن توزیع آمیزنده نقش اساسی را در خواص آماری ایفا می کند. در استنباط بیزی مدل های رگرسیونی پیچیده توسط رهیافت شبیه سازی مونت کارلوی زنجیر مارکفی، ...

در این مقاله راه حل‌های احتمالاتی مسئله انطباق ساختار سوم پروتئین و تفاوت آن با الگوریتم‌های قطعی مطالعه و بررسی می‌شود. برای این منظور دو مدل احتمال بیزی معرفی و راه حلی در خصوص اضافه کردن اطلاعات توالی و نوع اسید آمینه (ساختار اول) به آن ارائه خواهد شد. همچنین نحوه برآورد پارامترهای انطباق به کمک الگوریتم مونت کارلوی زنجیر مارکف و نمونه‌گیری از توزیع پسین معرفی می‌شود. در ...