|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
2 نتیجه برای جاویدی
دانشجو عاطفه جاویدی، دانشجو سمیه راه پیما، دکتر مجید جعفری خالدی،
جلد 18، شماره 2 - ( پاییز و زمستان 1392 )
چکیده
مدلهای آماری برای شناخت مکانیزمی که داده‌ها از آن تولید شده، استفاده می‌شود. در بیشتر مدل‌ها فرض می‌شود متغیرهای تصادفی Y_{i}، i=1,...,n، نمونه‌ای تصادفی از توزیع F هستند، که F متعلق به یک کلاس از خانواده توزیع‌های پارامتری است. اما در بسیاری از مسائل عملی نمی‌توان انتظار داشت که یک مدل پارامتری برای توصیف داده‌ها مناسب باشد. در این شرایط می‌توان فرض پارامتری را کنار گذاشت و از مدلهای انعطاف‌پذیر و نیرومندتری برای تحلیل داده‌ها استفاده کرد. در چارچوب روش بیز ناپارامتری با تعریف یک توزیع پیشین روی فضای کل توزیع‌های احتمالی و فرض نمودن آن برای توزیع متغیر تصادفی این انعطاف‌پذیری حاصل می‌شود. بعبارت دیگر فرآیندهای تصادفی روی خانواده‌ای از توابع توزیع تعریف می‌شوند و بعنوان پیشین برای توزیع تصادفی بکار می‌روند. از جمله مهم‌ترین این پیشین‌ها فرآیند دیریکله است که دارای ویژگی‌های مهم و جالبی است، لذا در گستره وسیعی از مسائل بیز ناپارامتری مورد استفاده قرار می‌گیرد. در این مقاله این فرآیند و خواص آن معرفی می‌شود.
دکتر احسان بهرامی سامانی، خانم کیانا جاویدی انارکی، دکتر سعید عظمتی،
جلد 28، شماره 1 - ( 6-1402 )
چکیده
باتوجه به محدود بودن منابع انرژی درجهان، بهینه‌سازی انرژی امری حیاتی است. بخش زیادی از این انرژی توسط ساختمان‌ها مصرف می‌شود. بنابراین هدف از این پژوهش کشف عوامل موثر به طورهمزمان بر بارگرمایشی و سرمایشی ساختمان‌ها است. در پژوهش حاضر بر روی 768 ساختمان مسکونی متنوع شبیه‌سازی شده با نرم افزار Ecotect، بررسی و تحقیق انجام شده است. از مدل رگرسیون همزمان و روش‌های تحلیل اکتشافی داده‌ها برای شناسایی عوامل موثر به طور همزمان بر بارگرمایشی و سرمایشی ساختمان‌ها استفاده شده و براساس متغیرهای فشردگی نسبی، ارتفاع، مساحت سطح و سقف ساختمان‌ها متغیر جدیدی تحت عنوان type (مدل ساختمان) معرفی و نشان داده شد که یکی از قوی‌ترین عوامل موثر بر بارگرمایشی و سرمایشی ساختمان‌ها متغیر type (مدل ساختمان) است. این متغیر مرتبط با شکل ساختمان است. در مدل رگرسیون همزمان فرض می‌شود که پاسخ‌ها از توزیع نرمال چندمتغیره پیروی می‌کنند. سپس این مدل را با مدلهای رگرسیون جدا از هم (بدون فرض همبستگی پاسخ‌ها) مقایسه کرده و طبق معیارهای اطلاع آکائیکه و معیار اطلاع انحراف به برتری مدل رگرسیون همزمان اشاره شده است. پارامترهای دو مدل توسط روش ماکسیمم درستنمایی برآورد شده است و مقدار اطلاع آکائیکه مدل همزمان نسبت به مدل جدا از هم، کاهش 0072/0% داشته است که برتری مدل همزمان را نشان داده است. همچنین میزان اطلاع انحراف برابر با 001736/0% شده است و در مقایسه با توزیع کای منجر به رد فرض صفر آزمون برتری مدل‌ها شده است که منجر به برتری مدل رگرسیون همزمان می‌شود.
|
|
|
|
|
|
|
|
|
