مهمترین هدف علم آمار تجزیه و تحلیل داده‌های واقعی دنیای پیرامون بشر است.

اگر این اطلاعات دقیق و درست تحلیل شوند، نتایج حاصل در بسیاری از تصمیمات مهم یاری‌گر ما

خواهد بود. از جمله داده‌های واقعی پیرامون ما که تحلیل آن بسیار مهم است، داده‌های مربوط به مصرف آب می‌باشد. با توجه به این که

کشور ایران در ناحیه نیمه خشک آب و هوایی از کره زمین قرار دارد، لازم است برای پیش‌بینی و برگزیدن

بهترین و مناسب ترین مدل های دقیق مصرف آب گام‌های ژرفی برداشت که لازمه تصمیمات کلان کشوری می‌باشد. در تجزیه و تحلیل داده‌های واقعی ممکن است محقق با مشکل همخطی و نقاط دورافتاده مواجه شود. روش‌های مقاوم ‎(استوار)‎ برای تحلیل مجموعه داده‌های دارای نقاط دورافتاده و رویکرد ستیغی روشی است که برای تحلیل مجموعه داده‌های دارای همخطی استفاده می‌شوند. محدودیت روی مدل‌ها نیز ناشی از به کارگیری اطلاعات غیرنمونه‌ای در برآورد ضرایب رگرسیونی است. در این مقاله به مدل‌سازی داده‌های مصرف آب، با استفاده از رویکرد ستیغی محدود شده تصادفی استوار پرداخته می‌شود.

تحلیل و مدل‌بندی داده‌های با بعد بالا یکی از چالش برانگیزترین مسائل روز دنیا است. تحلیل و تفسیر این‌ داده‌‌ها کاری ساده نیست و نیازمند استفاده از روش‌های مدرن است. روش‌های جریمه‌ای یکی از مشهورترین راه‌های تحلیل داد‌ه‌های با بعد بالاست. همچنین مدل‌بندی رگرسیونی و تحلیل آن به‌شدت تحت تاثیر مشاهدات پرت قرار می‌گیرد.

روش کمترین توا‌ن‌های دوم پیراسته نیز یکی از بهترین روش‌‌های استوار برای از بین بردن تاثیر تخریبی این نقاط است.

مدل‌های نیمه‌پارامتری که مدل‌هایی بسیار انعطاف‌پذیرند، ترکیبی از هر دو نوع مدل‌های پارامتری و ناپارامتری هستند. این مدل‌ها زمانی‌که هم بخش پارامتری و هم بخش ناپارامتری در مدل وجود دارد، مفیدند. هدف اصلی این مقاله تحلیل مدل‌های نیمه پارامتری در داده‌های با بعد بالا با حضور نقاط پرت با استفاده از روش لاسو تنک استوار است. در انتها، کارایی برآوردگر پیشنهادی با استفاده از یک داده واقعی در مورد تولید ویتامین ‎lr{B2}‎ سنجیده می‌شود.