مقایسه توان و اثرات نقطه پرت در روش های آزمون های جایگشتی روی مدل های رگرسیون خطی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم پایه
- نویسنده فرهاد حاج سلطان
- استاد راهنما علی شادرخ
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
برای انجام مسایل مربوط به آزمون فرض ها علاوه بر فرض های زیر بنایی چون تصادفی بودن نمومه گیری، مستقل بودن خطاها و ثابت بودن واریانس خطاها به فرض نرمال بودن توزیع متغیر خطا نیز نیازمندیم. اما عموماً این فرض ها به ندرت در عمل رخ می دهند. بنابراین می توانیم از آزمون های جایگشتی که یکی از شاخه های آزمون های ناپارامتری می باشد، استفاده کنیم. برای انجام آزمون های جایگشتی نیازی به برقراری فرض های بالا نیست. این پایان نامه به مقایسه خطای نوع اول تجربی و توان روش های مختلف جایگشت برای آزمون معنادار بودن یک ضریب رگرسیون جزیی می پردازد. از آنجایی که روش های مفایسه بر مبنای جایگشت مقادیر داده های خام می باشند، بنابر این در اینجا سه روش را معرفی می کنیم: روش ارایه شده توسط فریدمن لان، روش کندی و روش هو و جون. در این پایان نامه ما تاثیرات (1)اندازه نمونه (2)درجه همخطی بین متغیرهای پیش گو (3)پارامتر های قابل مشاهده (4)توزیع خطای تصادفی اضافه شده و (5)وجود داده پرت در متغیر کمکی را در این روش ها بررسی خواهیم کرد.
منابع مشابه
کاربرد روش رگرسیون خطی فازی در برآورد داده های ناقص دبی سالانه ایستگاه های هیدرومتری و مقایسه آن با سایر روش های متداول
متن کامل
آزمون های جایگشتی در تحلیل نقطه ی تغییر
مقادی احرانی آزمون های متنوع برای تغییر در مدل مکان ، با استفاده از اصل آزمون های جایگشتی حاصل شده اند نتایج نظری نشان می دهند که در نهایت آزمون های جایگشتی همان رفتار آزمون های کلاسیک را دارند . که این نتیجه از دو اصل ماکسیمم درستنمایی و بیز نتیجه گیری می شود.
15 صفحه اولواکاوی کارایی روش های مبتنی بر شبکه های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش بینی کشند
پیشبینی تغییرات کشند، بهدلیل اهمیتی که در برنامهریزیهای ناوگان دریایی و نظامی، حمل و نقل و کشتیرانی، طراحی بنادر و سایر مسایل مرتبط با امور دریا دارد؛ از دیرباز مورد توجه بوده است. هدف این مطالعه بررسی عملکرد مدلهای شبکههای عصبی پیشخور با 3 الگوریتم یادگیری کاهش شیب، شیب مزدوج و لونبرگ-مارکوارد در پیشبینی ساعتی تغییرات کشند است. بهعلاوه در تحقیق حاضر، نتایج حاصل از مدل رگرسیون خطی چندم...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم پایه
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023