همبستگی کانونی کلاسیک فقط می تواند ارتباط خطی را برسی کند و در برسی ارتباط غیر خطی کارایی ندارد که در اینجا می توان از روش هسته استفاده کرد .

یکی از مهمترین کاربردهای شبکه عصبی مصنوعی، طراحی مدلی است که بتوان براساس آن مقدار یک یا چند متغیر وابسته را به کمک متغیرهای مستقل پیش بینی کرد. از این رو هدف ما در این پایان نامه طراحی وارائه یک مدل شبکه عصبی براساس داده های واقعی و مقایسه آن با یک مدل رگرسیون خطی چندگانه است. به همین دلیل در فصول یک و دو به بررسی کلیاتی از شبکه عصبی مصنوعی و رگرسیون خطی چندگانه می پردازیم. پس از طرح مسئله بهترین مدل شبکه عصبی و رگرسیون خطی را به داده ها برازش می دهیم. در نهایت با مقایسه نتایج این دو مدل (مقادیر r^2 و sse) به این نتیجه می رسیم که شبکه عصبی طراحی شده در مقایسه با رگرسیون خطی چندگانه، مدل بهتری را به داده ها برازش می دهد.

تابع مفصل به عنوان یک راه کلی فرموله کردن یک توزیع چند متغیره مورد استفاده قرار می گیرد در حالی که به طور کلی انواع مختلفی از وابستگی می تواند وجود داشته باشد. در این پایان نامه ضمن معرفی تابع مفصل وشرح خصوصیات آن به بیان آنتروپی پرداخته وبه دنبال یافتن تابع مفصلی با ماکزیمم آنتروپی هستیم .

هدف در این پایان نامه پردازش و تحلیل سیگنال ها با استفاده از آنالیز فوریه و موجگ ها و همچنین یافتن ارتباط بین موجک ها و علم آمار است. در ابتدا تبدیل فوریه و ویژگی های آن بیان گردیده سپس موجک ها و تبدیلات آن ها معرفی و ایده های اصلی نهفته در آن ها توسط موجک های هار توصیف شده اند. دراین پایان نامه الگوریتم تجیه و بازسازی ها جهت پردازش سیگنال ها توضیح داده می شود ودر انتها کاربرد موجک ها در علم آمار مطرح می گردد.

آزمون جایگشت نوعی آزمون ناپارامتری است. در این آزمون با بدترین حالت داده ها مواجه هستیم. در آزمون جایگشت توزیع داده ها را در اختیار نداریم و همچنین داده ها دارای حجم بسیار کمی هستند.p_مقدار در این آزمون به سه روش: دقیق،مونت کارلو و کجانبی محاسبه می شود

در این پایان نامه، توسیع آماره های مبتنی بر رتبه برای داده های فازی مد نظر است. یکی از این آماره ها، همبستگی کندال است که در اینجا روی آن بحث شده است. روشی که برای آن توضیح داده شده، مبنای توسیع سایر آماره هایی از این دست است. ابتدا آماره ی همبستگی کندال برای داده های دقیق معرفی شده و سپس برای داده های بازه ای استفاده شده است. با معرفی ترتیب جزیی و ترتیب کلی برای داده های فازی، این آماره برای داده های فازی تعریف شده است. سپس این دو روش با هم مقایسه شده و برتری روش معرفی شده در این پایان نامه، مشخص می شود. در انتها یک مثال کاربردی برای استفاده از آماره همبستگی کندال برای داده های فازی بررسی شده است.

در اغلب شرایط محققان نمی توانند به تمام جمعیت آماری دسترسی داشته باشند زیرا هم پرهزینه است و هم پوشش دادن جمعیتی بزرگ زمان زیادی صرف می کند و همچنین هر چقدر تعداد اعضا بیشتر باشد، احتمال اشتباه زیاد می شود و با انتخاب نمونه محدودتر نسبت به جامعه آماری،محقق امکان اعمال دقت بیشتر در مطالعه را دارد. در فصل اول این پایان نامه روش های تعیین اندازه نمونه را با بکارگیری فرمول های کوکران شرح می دهیم و روش هایی را برای تعیین اندازه نمونه مناسب برای رگرسیون چندمتغیره و تحلیل عاملی و موضوع های رایج در تعیین اندازه نمونه بررسی می کنیم. در فصل دوم ضمن معرفی بوت استرپ، نشان می دهیم که می توان از بوت استرپ برای تعیین اندازه نمونه یا تعداد اجراهای مورد نیاز برای رسیدن به یک سطح اطمینان مشخص در آزمایشات آماری، استفاده کنیم و با امتحان طول فاصله اطمینان نتیجه گیری شده از بکارگیری روش بوت استرپ، بررسی می کنیم که آیا اندازه نمونه مشخص استفاده شده، بیشتر از مقدار مورد نیاز است یا نه. در فصل سوم روشی را برای محاسبه مینیمم اندازه نمونه برای برآورد پارامتر دوجمله ای بیان می کنیم که نیاز به هیچ گونه روش تقریبی ندارد. این روش محاسباتی شامل دو قسمت اساسی است: اولاً ثابت می شود مینیمم احتمال پوشش، از محدود کردن به یک پارامتردوجمله ای کراندار شده در یک فاصله به دست می آید که این فاصله از یک مجموعه گسسته شامل مقادیر متناهی از پارامترهای دوجمله ای به دست آمده است. دوم این که یک تکنیک کرانداری بازگشتی برای بهبود کارایی محاسبات بکار گرفته می شود.

تحلیل رگرسیونی تاثیر متغیرهای مستقل را روی متغیرهای وابسته به صورت مستقیم بررسی می کند. ما می خواهیم با استفاده از معادلات رگرسیونی چند متغیره استاندارد شده، به ارزیابی روش تحلیل مسیر بپردازیم، که قادر است علاوه بر آثار مستقیم، آثار غیر مستقیم و اثر کل هر یک از متغیرهای مستقل را بر بروی متغیرهای وابسته نشان دهد و با بیان منطقی، روابط و همبستگی مشاهده شده بین آن ها را تفسیر کند. همچنین در این بررسی از مزیت روشی نو که در سال های اخیر به نام مدل یابی معادلات ساختاری رایج شده است، استفاده می کنیم.

مدل anova با m عامل تثبیت شده، اثرهای متقابل و جملات خطا را که لزوما دارای توزیع نرمال نیستند در نظر بگیرید. در این پایان نامه به بررسی حساسیت مجانبی آماره ی آزمون f برای آزمون اثرهای اصلی و متقابل پرداخته می شود، تحت این فرض که تعداد سطوح عامل a1 به بی نهایت میل می کند، در حالی که تعداد سطوح عوامل a2، a3 ....و am و تعداد تکرارها در هر ترکیب تیماری متناهی است. فرض کنید واریانس جملات خطا در بین سطوح عوامل a3, a2 و ..... am, ناهمگن باشند. در این صورت ثابت می شود، آماره ی آزمون f که برای آزمون اثر اصلی عامل a1 در مدل همگن در نظر گرفته شده است، همچنان می تواند در مدل های ناهمگن نیز استفاده شود، یعنی تا زمانی که واریانس جملات خطا به سطوح عامل a1 بستگی نداشته باشد، آزمون f برای آزمون اثر اصلی عامل a1 به صورت مجانبی تحت تاثیر واریانس های نابرابر در سطوح مختلف عوامل دیگر قرار نمی گیرد. تمامی نتایج نظری به دست آمده ، توسط شبیه سازی پشتیبانی شده است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.