آزمون های نیکویی برازش برای مدل های ارشمیدسی توابع مفصل
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنی
- نویسنده فاطمه رحمانی
- استاد راهنما صدیقه شمس
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
تابع مفصل یکی از اصلی ترین ابزارهای بیان وابستگی است. برای بررسی این که ساختار وابستگی داده ها به خوبی توسط تابع مفصل منتخب بیان می شود، روش های زیادی توصیه شده است. در بسیاری از روش ها موضوع چند متغیره ابتدا به یک متغیره کاهش یافته و سپس از آزمون های یک متغیره استفاده می شود. هم چنین روش هایی وجود دارند که از چند متغیره استفاده می کنند. در این پایان نامه هر دو دسته از روش ها مورد بررسی قرار می گیرند. از آن جایی که خانواده مفصل ارشمیدسی کاربرد فراوانی در مدل سازی دارند، آزمون های نیکویی برازش خاص این خانواده نیز در این پایان نامه بررسی می شوند. با توجه به این که در تحلیل داده های به دست آمده از صنعت یا پزشکی، بسیاری از مواقع با داده های سانسور شده مواجه هستیم، آزمون های نیکویی برازش خانواده مفصل ارشمیدسی در این حالت نیز بیان می شود. برای بررسی عملکرد این آزمون ها با استفاده از شبیه سازی، احتمال خطای نوع اول و نوع دوم آزمون ها محاسبه می شوند.
منابع مشابه
آزمون نیکویی برازش برای توابع مفصل
یکی از مسائل اساسی در آمار، مدل بندی پدیده های تصادفی است. به طور کلی از مدل های آماری برای نشان دادن ساختارهای تصادفی، پیش بینی رفتار متغیرها در آینده، استنباط و استخراج اطلاعات از داده ها استفاده می شود. در این میان تابع مفصل به عنوان یک مدل برای مشاهدات چند متغیره و وابسته توانسته است در مطالعات اخیر توجه بسیاری از کاربران آمار را به خود جلب نماید. در حقیقت این تابع به آماردان کمک می کند تا ...
15 صفحه اولآزمون نیکویی برازش برای توابع مفصل
با توجه به نقش توزیع های چند متغیره و ارتباط توابع مفصل با این توزیع ها و همچنین کاربرد توابع مفصل در زمینه های متفاوت از جمله مطالعه ی بردارهای تصادفی ، شبیه سازی ، بیان ساختار وابستگی در داده های مالی و بیمه ای و مسائل آنالیز بقا ، در پژوهش های مختلف مسئله ی نیکویی برازش توابع مفصل حائز اهمیت است که در این رساله به آن پرداخته و روشی برای آزمون نیکویی برازش توابع مفصل معرفی کرده ایم. با توجه ...
15 صفحه اولآزمون نیکویی برازش برای توزیع نمایی وزنی
در رده جدیدی از توزیع های نمایی وزنی که توسط گوپتا و کاندو [1] ارائه شد، پارامتر چولگی به توزیع نمایی اضافه گردیده است. بنابراین توزیع نمایی وزنی دارای پارامترهای چولگی و مقیاس است. در این مقاله آزمون نیکویی برازش برای این رده با پارامترهای مجهول را بررسی می کنیم. آزمون بر مبنای آماره های معروف اندرسون و کلموگروف-اسمیرنف انجام می گیرد. برای یافتن چندک های آماره اندرسون از روش بوت استرپ اما در م...
متن کاملمقایسه آزمون های نیکویی برازش برای تابع مفصل
تعیین ساختار وابستگی بین متغیرها یکی از موضوعاتی است که به طور گسترده در تئوری احتمال و آمار مورد استفاده قرار میگیرد، تا جایی که بدون در نظر گرفتن نوع وابستگی متغیرها، مدلبندی مقدور نمیباشد. توابع مفصل میتوانند ساختار وابستگی بین متغیرها را به صورت مدل نشان دهند. تابع مفصل مناسب برای یک کاربرد خاص تابعی است که به بهترین نحو ممکن وابستگی بین دادهها را نشان دهد. بنابراین یک موضوع مهم در راب...
آزمون نیکویی برازش برای مدل های ضربی
در بسیاری از مدل های سری زمانی سنتی،ارتباط بین مولفه های یک فرآیند ایستای اکید را می توان به عنوان یک مدل سری زمانی ناپارامتری در نظر گرفت. در برخی از این مدل ها مانند مدل arch ارتباطی وی‍ژه بین تابع رگرسیونی و تابع مقیاس برقرار است که این رابطه در بسیاری از این مدل ها، مانند مدل های مالی و اقتصادی دارای اهمیت قابل توجهی است. در این پایان نامه به معرفی روشی برای آزمون بررسی این ویژگی در یک چارچ...
15 صفحه اولآزمون نیکویی برازش برای توزیع نمایی برمبنای برآورد اطلاع رنی
آزمون نیکویی برازش برای توزیع نمایی برمبنای آنتروپی اولین بار توسط ابراهیمی و همکاران (1992) به کمک برآورد اطلاع کولبک لایبلر معرفی شد. ما در این مقاله ابتدا اطلاع رنی را به روشی همانند روش به کار گرفته شده توسط کوریا (1995) برای برآورد آنتروپی شانون، برآورد نموده و سپس از آن به عنوان آماره آزمون نمایی بودن توزیع استفاده میکنیم. در ادامه توان آزمون های پیشنهادی را با چند آزمون دیگر به کمک شب...
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 الزهراء - دانشکده فنی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023