ارزیابی مقایسه ای روش های پارامتری و غیرپارامتری برای تحلیل فراوانی ریزش های جوی

برای تحلیل فراوانی ریزش های جوی، می توان از دو روش پارامتری و غیر پارامتری استفاده کرد. روش های معمول و مرسوم تحلیل فراوانی براساس روش های پارامتری استوار هستند. یکی از عیوب روش های پارامتری این است که فرض می کنیم داده ها یا مشاهدات از جامعه آماری با تابع چگالی احتمال معلوم هستند. فرض مذکور در بسیاری از حالات صحیح نیست. از معایب دیگر این روش ها، تغییرپذیری زیاد پارامترها در ارتباط با اندازه نمونه و اشکال در برآورد دقیق آنها است. یکی از راه حل های مقابله با مشکلات فوق الذکر استفاده از روش های غیرپارامتری است. در روش های اخیر فرض تبعیت داده ها از یک توزیع بخصوص مطرح نمی شود و شکل تابع چگالی و تابع توزیع تجمعی احتمال به وسیله داده ها تعیین می شود. در تحقیق حاضر، روش های پارامتری و غیر پارامتری برای تحلیل فراوانی ریزش های جوی ماهانه و سالانه بکار برده شده اند و نتایج حاصل با یکدیگر مقایسه شده اند. روش های غیرپارامتری مورد استفاده در این پژوهش، روش های هسته و سری فوریه هستند که با روش های معمول پارامتری یا به عبارت دیگر با توزیع های مرسوم و کلاسیک نظیر نرمال، لگاریتم نرمال دو و سه پارامتری، گامای دو پارامتری، پیرسون و لگاریتم پیرسون نوع سه و مقادیر حدی نوع یک یا گمبل مقایسه شده اند. یکی از نیازها در هنگام کاربرد روش هسته، محاسبه پارامتر هموارکننده است که در اینجا از چهار روش برای برآورد آن استفاده شده است. روش های مذکور شامل همروایی کمترین مربعات، شیتر- جونز، آداموسکی، و قانون سر انگشتی هستند. در تحقیق حاضر توابع هسته نرمال (گوسی)، لگاریتم نرمال، مثلثی و مستطیلی با یکدیگر مقایسه گردیدند. به منظور دستیابی به اهداف این پژوهش، آمار بلند مدت بارندگی های ماهانه و سالانه ایستگاه های قدیمی ایران شامل بوشهر، اصفهان، مشهد، تهران و جاسک تجزیه و تحلیل شده اند. نتایج بدست آمده نشان می دهند که از بین شیوه های مورد استفاده، روش غیرپارامتری با تابع هسته لگاریتم نرمال برای برازش به بارندگی های ماهانه مناسب تر است، زیرا دارای کمترین میزان انحراف از داده های مشاهده شده یا به عبارت دیگر دارای حداقل مقادیر متوسط انحراف نسبی و متوسط مربع انحراف نسبی می باشد. همچنین از بین کلیه روش های مورد مطالعه در این پژوهش، روش غیرپارامتری سری فوریه بهترین برازش را به بارندگی های سالانه نشان داد. نتیجه گیری کلی این است که روش های غیرپارامتری برازش بهتری هم بر بارندگی های ماهانه و هم بر بارندگی های سالانه دارند و بنابراین برای برآورد چندک ها مناسب تر هستند.