|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
7 نتیجه برای آرشی
محمد آرشی، سیدمحمدمهدی طباطبایی، جلد 1، شماره 2 - ( 12-1386 )
چکیده
در این مقاله، با فرض اینکه در مدل رگرسیونی خطی چندگانه، بردار خطای تصادفی دارای توزیع t چند متغیره است، برآوردگرهای کمترین توانهای دوم تعمیم یافته، کمترین توانهای دوم تعمیم یافته مقید و تورنجش را برای بردار پارامتر مجهول مدل رگرسیونی بدست می آوریم. سپس با استفاده از تابع زیانهای مربعی و مربعی موزون، مخاطره برآوردگرهای بدست آمده را با یکدیگر مقایسه می کنیم و نشان می دهیم در شرایطی خاص کدامیک از برآوردگرها بر دیگری برتری دارند.
حمید کرمی کبیر، محمد آرشی، جلد 8، شماره 1 - ( 6-1393 )
چکیده
در این مقاله مسئله برآورد بردار میانگین توزیع نرمال چند متغیره با واریانس نامعلوم تحت دو محدودیت مورد بررسی قرار می گیرد. ابتدا فرض می شود تمام مولفه های بردار میانگین نامنفی باشند و سپس تنها زیر مجموعه ای از مولفه های آن نامنفی در نظر گرفته می شوند. هدف یافتن رده ای از برآوردگرهای انقباضی برتر، در فضای پارامتر محدود شده، تحت تابع زیان توان دوم است. در این راستا رده برآوردگرهای نوع بارانچیک برای حالت فضای پارامتر محدود تعمیم داده و با استفاده از تکنیک امید ریاضی دوگانه رده ای از برآوردگرهای انقباضی معرفی می شود که دارای مخاطره کمتری نسبت به برآوردگر مینیماکس در توزیع نرمال است
مینا نوروزی راد، محمد آرشی، جلد 11، شماره 1 - ( 6-1396 )
چکیده
برآوردگرهای تاوانیده در سالهای اخیر در برآورد پارامترهای رگرسیونی بسیار مورد توجه قرار گرفتهاند، که معروفترین آنها برآوردگرهای تاوانیده با نُرم مستطیلی هستند. این برآوردگرها، همزمان انتخاب متغیر و برآورد پارامتر انجام میدهند. در این مقاله، با استفاده از اطلاعات پیشین غیرقطعی در مورد پارامترها، برآوردگرهای بهتری با مخاطره کمتر در مقایسه با برآوردگر لاسو، تاوانیده با نُرم مستطیلی ارائه شده است. برتری کارآیی برآوردگرهای انقباضی پیشنهاد شده در یک مطالعه شبیهسازی نسبت به برآوردگر لاسو نشان داده شده است. همچنین کاهش در مقادیر میانگین خطاهای پیشبینی در مجموعه دادههای سرطان آمار و ارقام ایالات متحده آمریکا حاکی از قدرت پیشگویی برآوردگرهای انقباضی است.
مریم برزوئی بیدگلی، محمد آرشی، جلد 12، شماره 2 - ( 12-1397 )
چکیده
یکی از روشهای رفع مشکل همخطی در مدلهای خطی، استفاده از برآوردگر لیو است. در این مقاله، برآوردگر جدیدی را با تعمیم برآوردگر لیو اصلاح شده لی و یانگ (۲۰۱۲) ارائه شده است. این برآوردگر بر اساس یک اطلاع پیشین از بردار پارامترها در مدل رگرسیون خطی و برآوردگر تعمیمیافته آکدنیز و کاچیرانلار (۱۹۹۵) بهدست میآید. با استفاده از معیار ماتریس میانگین توان دوم خطا، شرایط برتری این برآوردگر بر برآوردگر لیو تعمیمیافته بهدست آورده میشود. به منظور مقایسه رفتار این برآوردگر با برآوردگرهای موجود، یک مثال عددی و یک مطالعه شبیهسازی انجام شده است.
محمد کاظمی، داود شاهسونی، محمد آرشی، جلد 12، شماره 2 - ( 12-1397 )
چکیده
در این مقاله یک روش دو مرحلهای برای انتخاب متغیر و تشخیص مؤلفههای خطی و غیرخطی در مدلهای جمعی با بعد بالا معرفی میشود. در مرحله اول، از یک روش غربالگری برای کاهش بعد فضای متغیرها استفاده میشود. این روش غربالگری بر اساس همبستگی فاصلهای بین متغیرهای توضیحی و تابع توزیع حاشیهای متغیر پاسخ ساخته شده و زمانی که متغیر پاسخ دم سنگین یا دارای مقادیر فرین باشد، عملکرد خوبی را از خود نشان میدهد. در مرحله دوم، از روشی مبتنی بر دو تابع تاوان برای انتخاب همزمان مؤلفههای غیرصفر و خطی استفاده میشود. کارایی این روش دو مرحلهای با مطالعه شبیهسازی و تحلیل یک مجموعه داده واقعی بررسی شده است.
محمد آرست، محمد آرشی، محمدرضا ربیعی، جلد 13، شماره 1 - ( 6-1398 )
چکیده
معمولا در مسائل با بعد بالا، وقتی تعداد متغیرها بیشتر از تعداد مشاهدات است، برآوردگرهای جریمه شده بر پایه روشهای انقباضی از دیدگاه خطای پیشگویی پاسخ، از کارایی بهتری نسبت به برآوردگر کمترین توانهای دوم در برآورد ضرایب رگرسیونی برخوردار هستند. در این برآوردگرها پارامتر تنظیم کننده یا انقباضی نقش اساسی در انتخاب متغیر و برآورد پارامترها بازی میکند. برآوردگر انقباضی بریج، برآوردگری است که با تغییر پارامتر تنظیم کننده آن میتوان به برآوردگرهای معروف ریج و لاسو دست یافت. در این مقاله برآوردگر انقباضی بریج را، با اعمال یک قید خطی روی بردار ضرایب رگرسیونی، بهدست آورده سازگاری آن اثبات میشود. به علاوه در قالب یک مطالعه شبیهسازی و مثال واقعی کارایی آن از دیدگاه میانگین توان دوم خطا مورد ارزیابی قرار میگیرد.
مژگان تعاونی، محمد آرشی، جلد 14، شماره 2 - ( 12-1399 )
چکیده
در این مقاله، مسئله برآورد و انتخاب متغیر همزمان در مدلهای خطی-جزئی با اثرات آمیخته برای دادههای طولی با بعد بالا در نظر گرفته شده است. مولفه ناپارامتری موجود در مدل با اسپلاینهای رگرسیونی تقریب زده شده و سپس از طریق بهینهسازی تابع هدف مبتنی بر تابع تاوان , برآورد و انتخاب متغیر به طور همزمان انجام میشود. در ادامه، رفتار حدی برآوردگرهای حاصل در چارچوب دادههای طولی با بعد بالا که در آن تعداد پارامترها متناسب با افزایش حجم نمونه افزایش مییابد, مورد مطالعه قرار میگیرد. به منظور پیادهسازی روش برآورد پیشنهادی، یک الگوریتم تکراری مناسب برای انتخاب متغیرهای مهم و برآورد ضرایب غیر صفر ارائه گردیده است. در نهایت، عملکرد روش پیشنهادی با مطالعه شبیهسازی و تحلیل یک مجموعه داده واقعی مورد ارزیابی قرار گرفته است.
|
|
|
|
|
|
|