37 نتیجه برای برآوردگر
احمد پارسیان، شهرام عزیزی سازی،
جلد 2، شماره 1 - ( 6-1387 )
چکیده
در این مقاله رده جدیدی از برآوردگرها، تحت عنوان برآوردگرهای بیزی مقید تحت تابع زیان متعادل و متعادل موزون را بررسی می کنیم. همچنین برآوردگرهای بیزی مقید پارامتر طبیعی خانواده توزیع های نمایی تک پارامتری را محاسبه می کنیم. یک روش عمومی در تحلیل بیزی زمانی که عدم حتمیت در انتخاب توزیع پیشین وجود دارد، انتخاب یک کلاس از توزیع های پیشین و دستیابی به تصمیم بهینه در داخل این کلاس است، که به روش بیزی نیرومند معروف است. در این راستا، برآوردگر تاسف پسین مقید گاما- مینیمکس را تحت تابع زیان مجموع مربعات خطا بدست می آوریم و با استفاده از «راه حل بیزی» آنرا به توابع زیان متعادل تعمیم می دهیم.
احد ملک زاده، مینا توحیدی،
جلد 4، شماره 2 - ( 12-1389 )
چکیده
مسئله برآورد نقطه‌ای ضریب تعیین در توزیع نرمال p متغییره مورد توجه افراد زیادی قرار گرفته است. این معیار بدلیل کاربرد فراوان، دارای اهمیت زیادی است، در این مقاله با در نظر گرفتن کلاس برآوردگرهای خطی ارائه شده توسط مرشاند (2001)، دو برآوردگر جدید معرفی می شوند که دارای مخاطره کمتری نسبت به دو برآوردگر معمول یعنی ضریب تعیین نمونه‌ای و تعدیل شده آن می باشند. همه برآوردگرهای ارائه شده اریب هستند، بنابراین با معرفی برآوردگر جک نایف و مقایسه مخاطره این دو برآوردگر به وسیله شبیه سازی نشان داده می‌شود برآوردگر جک نایف برآوردگر بهتری نسبت به برآوردگرهای دیگر می باشد.
قباد برمال زن، عبدالرضا سیاره،
جلد 4، شماره 2 - ( 12-1389 )
چکیده
در تحلیل های آماری با یک نمونه تصادفی از یک جامعه با چگالی درست و نامعلوم روبرو هستیم. معمولا مدلی پارامتری به عنوان تقریبی از این چگالی در نظر گرفته می شود و استنباط براساس آن صورت می گیرد. به طور بدیهی مبایست چگالی پارامتری به چگالی درست نزدیک باشدتا به استنباط معتبر در مورد جامعه دست یافته شود. پیشنهاد یک مدل قطعی براساس تعداد محدودی از مشاهدات به عنوان تقریب یا برآوردی از چگالی درست موجب بروز ریسک بزرگی در انتخاب مدل برای جامعه خواهد شد. به همین دلیل چند مدل غیرآشیانی انتخاب و بررسی می شود که کدام مدل به چگالی درست داده ها نزدیک تر است . در این مقاله به بررسی این سوال اساسی در انتخاب مدل پرداخته شده است که چگونه می توان مجموعه ای از مدل های مناسب را برای چگالی درست به دست آورد. روشی پیشنهاد می شود تا نشان داده شود که براساس ریسک کولبک -لیبلر در هر خانواده از مدل های رقیب کدام یک از چگالی ها از لحاظ نزدیکی به چگالی درست معادل هستند . مجموعه تمام عضوهای این خانواده که از لحاظ نزدیکی به چگالی درست معادل هستند مجموعه مجاز نامیده می شود.
شکوفه زین الدینی، احمد پارسیان،
جلد 4، شماره 2 - ( 12-1389 )
چکیده
در این مقاله، کلاسی از برآوردگرهای بیزی تعمیم یافته مینیماکس برای میانگین توزیع نرمال چندمتغیره زمانی که ماتریس کوواریانس معین مثبت و نامعلوم است تحت تابع زیان درجه دوم به دست آورده می شود، که تعمیم کلاس برآوردگرهای بیزی تعمیم یافته مینیماکس لین و تسای (1973) می باشد.
مسعود عجمی بختیاروند، وحید فکور، سارا جمهوری،
جلد 5، شماره 1 - ( 6-1390 )
چکیده
چنانچه در نمونه گیری، داده ها با احتمالی متناسب با اندازه انتخاب شوند، داده های حاصل را در طول-اریب نامند. برآورد ناپارامتری تابع چگالی با استفاده از داده های در طول-اریب، مشکلتر از سایر حالات است. یکی از برآوردگرهای معروف در این زمینه توسط جونز (1991) معرفی شده است. در این مقاله ابتدا پارامتر پهنای باند این برآوردگر با رهیافت بیزی برآورد می شود. سپس سازگاری قوی آن با به کار بردن پهنای باند برآورد شده به روش بیزی اثبات می شود. در انتها با مطالعه شبیه سازی به مقایسه عملکرد روش بیزی و اعتبارسنجی متقابل در برآورد پهنای باند پرداخته می شود.
ابراهیم خدایی، سید روح اله شجاعی کیاسری،
جلد 6، شماره 1 - ( 6-1391 )
چکیده
به کارگیری متغیرهای کمکی برای اصلاح برآوردگرها روشی متداول در آمار و به خصوص بررسی های نمونه ای است. به عنوان مثال می توان به برآوردگرهای نسبتی و رگرسیونی در نمونه گیری اشاره کرد. با فرض معلوم بودن مجموع جامعه کمکی و برقرار بودن یک سری شرایط، برآوردگرهای کالیبره و واریانس آنها را می توان با استفاده از برآوردگرهای رگرسیونی تعمیم یافته به دست آورد. در این مقاله، با فرض نامعلوم بودن مجموع متغیر کمکی در جامعه، برآوردگر کل و واریانس آن در جامعه هدف با روش رگرسیون تعمیم یافته به دست آورده می شود. سپس نشان داده می شود برآوردگر ارائه شده برای مجموع کل جامعه از نظر کارایی بهتر از برآوردگر هورویتز تامپسون است. آنگاه نظریه به دست آمده با شبیه سازی به روش مونت کارلو زنجیر مارکوفی در طرح نمونه گیری طبقه بندی مورد بررسی قرار می گیرد.
محمد امینی، هادی جباری نوقابی، مهلا قاسم نژاد فرسنگی،
جلد 6، شماره 2 - ( 12-1391 )
چکیده
در این مقاله سه نوع برآوردگر جدید به روش ناپارامتری برای اندازه وابستگی دمی بالا به دست آورده و نشان داده می شود که برآوردگرهایی سازگار و به طور مجانبی نااریب هستند. سپس با شبیه سازی مونت کارلو از سه مفصل متفاوت، این سه برآوردگر با هم مقایسه شده و با به کارگیری داده های واقعی روشی جدید برای انتخاب بهترین برآوردگر ارائه می شود.
صدیقه زمانی مهریان، علیرضا نعمت اللهی،
جلد 7، شماره 2 - ( 12-1392 )
چکیده
در این مقاله برآوردگرهای (شبه) درستنمایی و توزیع حدی آماره آزمون نمره مربوط به چند آزمون فرض مختلف از جمله آزمون داشتن ریشه واحد برای مدل رگرسیونی خطی با مانده های مانا و نامانا به دست آورده می شوند . سپس با روش مونت کارلو نشان داده می شود که برآوردگرهای (شبه) درستنمایی به دست آمده، برآوردگرهای مناسبی هستند و چندک های توزیع حدی آماره های آزمون داشتن ریشه واحد محاسبه و در جداولی ارائه می شوند
حمزه ترابی، نرگس منتظری، فاطمه قاسمیان،
جلد 7، شماره 2 - ( 12-1392 )
چکیده
در این مقاله، نخست خانواده های مختلفی که با هسته های توزیع های بتا تعمیم یافته، بتا، کومار، گاما تعمیم یافته، گاما، وایبول، لگ گاما و لوژستیک ساخته شده است، مرور می شود. سپس یک خانواده کلی از توزیع ها با هسته توزیع نرمال پیشنهاد می شود. حالت خاصی از این خانواده، توزیع نرمال یکنواخت، تعریف و ویژگی های مختلف آن استخراج شده است. پارامترهای این توزیع با روش ماکسیمم درستنمایی و مینیمم فاصله برآورد شده است. در پایان، این توزیع جدید به صورت کارا برای تحلیل یک مجموعه داده بقای واقعی به کار برده می شود
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
فروغ حاجی باقری، عبدالرحمن راسخ، محمدرضا آخوند،
جلد 8، شماره 1 - ( 6-1393 )
چکیده
در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با استفاده از روش انتقال میانگین نقاط پرت، آماره آزمون لازم برای شناسایی این نقاط به هنگام استفاده از برآوردگر لیو تعمیم داده می شود. در ادامه با استفاده از مجموعه داده ای واقعی کاربرد این روش مورد ارزیابی قرار می گیرد.
جلال چاچی، مهدی روزبه،
جلد 10، شماره 1 - ( 6-1395 )
چکیده
رگرسیون خطی استوار یکی از متداولترین رویکردها در روش‌های آماری استوار است. پارامترهای این روش اغلب از طریق کمترین توان‌های دوم پیراسته برآورد می‌شوند که در آن تابع هدف به‌گونه‌ای صورت‌بندی می‌شود که مجموع k تا از کوچکترین توان دوم باقیمانده‌ها (خطاها) کمینه شود. لذا این روش در مقایسه با روش متداول کمترین توان دوم خطا از محاسبات پیچیده‌تری برخوردار است. هدف اصلی این مقاله ارائه یک روش جدیدِ برآورد مدل‌های خطی جزئی با رویکرد تشخیص داده‌های پرت و معرفی برآوردگرهای استوار بر مبنای کمترین توان‌های دوم پیراسته است. در این راستا ابتدا روش تفاضلی در برآورد پارامترهای مدل خطی جزئی بیان می‌شود. سپس روش به‌دست آوردن برآوردگرهای تفاضلی استواری در مدل‌های خطی جزئی بر اساس یک مسئله بهینه‌سازی مبتنی بر کمینه‌سازی مجموع k تا از کوچکترین توان دوم باقیمانده‌ها معرفی می‌شود. این رویکرد توانایی تشخیص داده‌های پرت را دارد. نتایج عددی مطالعه شبیه‌سازی و مطالعه کاربردی با داده‌های واقعی نشان‌دهنده دقت بسیار زیاد برآوردگرهای تفاضلی استوار معرفی شده در این مقاله در مقایسه با برآوردگرهای کلاسیک و متداول مدل‌های خطی جزئی هستند.
عیسی محمودی، سمیه ابوالحسینی،
جلد 10، شماره 1 - ( 6-1395 )
چکیده
در این مقاله یک توزیع دو پارامتری جدید به عنوان تعمیمی از توزیع لیندلی، تحت عنوان توزیع لیندلی لگاریتمی با تابع نرخ شکست صعودی و وانی شکل معرفی می‌شود. توزیع جدید از ترکیب توزیع لیندلی و توزیع لگاریتمی به‌دست می‌آید. چندین ویژگی از توزیع جدید از جمله تابع چگالی، تابع نرخ شکست، چندک‌ها و گشتاورها محاسبه می‌شود. برآورد ماکسیمم درستنمایی با استفاده از الگوریتم EM به‌دست می‌آید. در نهایت برتری این توزیع نسبت به توزیع لیندلی، با استفاده از دو سری داده واقعی نشان داده می‌شود.
نادر نعمت الهی،
جلد 10، شماره 2 - ( 12-1395 )
چکیده
در برخی از مسائل کاربردی نیاز به انتخاب یکی از جوامع مورد بررسی و برآورد پارامترهای این جامعه گزینش شده است. فرض کنید k نمونه تصادفی از k جامعه به ترتیب با تابع توزیع‌هایی که از مدل نرخ شکست متناسب یا نرخ شکست وارون متناسب پیروی می‌کنند انتخاب شده باشد و براساس یک قاعده گزینش معین هدف برآورد تابعی از پارامتر بهترین (بدترین) جامعه گزینش شده باشد. در این مقاله تحت تابع زیان نامتقارن آنتروپی، برآوردگر مخاطره نااریب با کمترین مخاطره به‌طور یکنواخت پارامترهای جامعه گزینش شده را به دست آورده و شرایط کافی برای آن که برآوردگری برای این پارامترها مینیماکس باشد تعیین می‌شود. سپس برآوردگرهای پذیرفتنی و ناپذیرفتنی خطی آنها را به‌دست آورده و رده کلیه برآوردگرهای غالب بر برآوردگر مفروض مشخص می‌گردد. آنگاه نشان داده می‌شود که در هر حالت برآوردگر مخاطره نااریب با کمترین مخاطره به‌طور یکنواخت ناپذیرفتنی است و برآوردگرهای به‌دست آمده از طریق رسم نمودار مخاطره آنها با یکدیگر مقایسه می‌شوند.
جعفر احمدی، منصوره رزمخواه،
جلد 11، شماره 1 - ( 6-1396 )
چکیده
سیستم قابل تعمیری را در نظر بگیرید که از زمان صفر شروع به کار کند، به محض از کار افتادن با یک مولفه از نوع خودش تعویض می‌شود یا تعمیر شده و دوباره به فعالیت خود ادمه می‌دهد. در این مقاله فعالیت این سیستم در حالت‌های مختلف برحسب نوع تعمیر در نظر گرفته و برای هر حالت مدل احتمال و تابع درستنمایی برای فرآیند تعمیرات در بازه‌ای با طول معین، تحت عنوان سانسور پنجره‌ای، به‌دست آورده می‌شود. با توجه به اینکه مدل‌های حاصل به توزیع اولیه طول عمر مولفه بستگی دارند، با فرض اینکه این توزیع نمایی باشد، برآورد ماکسیمم درستنمایی و میزان اطلاع فیشر برای برخی از حالت‌ها محاسبه شده است. بدیهی است در صورت تعمیرکامل، مدل تحت مطالعه منطبق با ساختار احتمال یک فرایند تجدید است.
عیسی محمودی، ریحانه لاله زای، قهرمان روغنی،
جلد 11، شماره 1 - ( 6-1396 )
چکیده
در این مقاله روش دنباله‌ای محض برای برآورد پارامتر مقیاس توزیع نمایی وقتی که تابع ریسک توسط مقدار ثابت از پیش تعیین شده‌ای کران‌دار شده باشد مورد استفاده قرار می‌گیرد. در این مقاله فرم‌های بسته‌ای برای امید ریاضی و ریسک متغیر توقف و همچنین برآوردگر مبتنی بر آن به‌دست می‌آید. همچنین برای بهبود عملکرد برآوردگر پارامتر مقیاس، قاعده توقف تعدیل یافته معرفی می‌شود به‌طوری‌که تابع ریسک تحت آن به‌طور یکنواخت توسط مقدار از پیش تعیین شده کران‌دار گردد. در نهایت برای نشان دادن درستی آنچه به‌صورت نظری ارائه شده شبیه‌سازی‌هایی انجام می‌شود.
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.
آزاده کیاپور،
جلد 11، شماره 1 - ( 6-1396 )
چکیده
معمولا با مشاهده یک نمونه تصادفی و با استفاده از روش‌های معمول برآوردیابی مانند روش ماکسیمم درستنمایی به برآورد پارامتر نامعلوم می‌پردازند. در بعضی مواقع اطلاعاتی در مورد پارامتر واقعی به‌صورت یک حدس در اختیار داریم. در چنین حالت‌هایی می‌توان برآوردگر ماکسیمم درستنمایی یا هر برآوردگر دیگری را در جهت مقدار حدسی منقبض کرد و برآوردگرهای انقباضی را ساخت. در این مقاله، به مطالعه رفتار یک برآوردگر انقباضی بیزی برای پارامتر مقیاس توزیع نمایی براساس نمونه‌های سانسور شده تحت یک تابع زیان نامتقارن ناوردای مقیاس می‌پردازیم. برای این منظور، برآوردگر انقباضی بیزی معرفی و کارآیی نسبی بین این برآوردگر و بهترین برآوردگر خطی با توجه به حجم نمونه، ابرپارامترهای توزیع پیشین و میزان نزدیکی مقدار حدسی به مقدار واقعی پارامتر محاسبه می‌شود. همچنین نتایج به‌دست آمده به توزیع‌های طول عمر رایلی و وایبول تعمیم داده می‌شود.
محمد بیات، حمزه ترابی،
جلد 12، شماره 1 - ( 6-1397 )
چکیده
امروزه استفاده از روش‌های مختلف سانسور در آزمون‌های قابلیت اعتماد در صنعت و آزمون‌های زمان - بقا در آزمایشات کلینیکی فراگیر شده است. یکی از این روش‌های سانسور، سانسور پیش‌رونده نوع I و II است. استفاده از این نوع سانسورها، معایبی نیز به همراه دارد. در این مقاله تلاش می‌شود با ایجاد تغییراتی در سانسور پیش‌رونده نوع I، معایب آن کاهش یابد و همچنین یک طرح کلی ارائه گردد که سانسور پیش‌رونده نوع II را نیز شامل گردد. این کار از این طریق صورت می‌پذیرد که برخلاف قبل، تعداد برداشت و زمان برداشت متغیرهای تصادفی در نظر گرفته می‌شوند. ابتدا به معرفی سانسورهای پیش‌رونده نوع I، II و دو نوع از تعمیم‌های آنها پرداخته می‌شود، سپس روش سانسور جدید بر پایه سانسور پیش‌رونده نوع I توضیح داده و تابع چگالی احتمال آن بیان می‌گردد. چند حالت خاص آن نیز معرفی می‌شود و در پایان، پیرامون پارامترهای مدل استنباط آماری انجام می‌شود و در ادامه الگوریتم شبیه‌سازی سانسور جدید ارائه و برای مقایسه این طرح سانسور تعمیم‌یافته با روش‌های سانسور رایج، از شبیه‌سازی استفاده خواهد شد.
مهران نقی زاده قمی، زهره مهدی زاده، حمید زارعی فرد،
جلد 12، شماره 1 - ( 6-1397 )
چکیده
فرض کنید یک نمونه تصادفی از توزیع رایلی تک‌پارامتری در اختیار باشد. در روش‌های کلاسیک آمار، براساس اطلاعات موجود در نمونه و با روش‌های معمول به برآوردیابی پارامترنامعلوم پرداخته می‌شود. گاهی در عمل، محقق دارای اطلاعاتی درباره پارامتر نامعلوم به‌صورت یک حدس یا گمان می‌باشد. این حدس، اطلاعات غیرنمونه‌ای نامیده می‌شود. در این حالت، برآوردگرهای انقباضی خطی با ترکیب اطلاعات غیرنمونه‌ای و اطلاعات موجود در نمونه معرفی شدند که در نزدیکی مقدار حدسی و واقعی دارای مخاطره کمتری نسبت به برآوردگرهای معمول هستند. در این مقاله، براساس رد یا پذیرش فرضیه‌صفر نزدیکی مقدار حدسی و مقدار واقعی پارامتر، چند آزمون-برآوردگر انقباضی برای پارامتر مورد بررسی با روش‌های مختلف، معرفی و مخاطره آنها تحت تابع زیان آنتروپی محاسبه می‌شود. سپس رفتار آزمون-برآوردگرهای انقباضی و بهترین برآوردگر خطی براساس کارایی نسبی بین آنها مقایسه می‌شوند. آنگاه نتایج به‌دست آمده برای نمونه‌های سانسور شده نوع دوم به‌کار گرفته می‌شود.
