|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
4 نتیجه برای خطای اندازه‌گیری
روشنک علی‌اکبری صبا، علی‌رضا زاهدیان، مرضیه اربابی،
جلد 9، شماره 1 - ( 6-1394 )
چکیده
یکی از اهداف اصلی آمارگیری هزینه و درامد خانوار، براورد سالانه میانگین درامد خانوارها در کشور است. از این رو با توجه به اهمیت درستی اطلاعات گردآوری شده و با درنظر گرفتن دلایلی که گاهی منجر به بروز خطا در اندازه‌گیری درامد خانوارها می‌شود، در این مقاله بر اساس نتایج آمارگیری از هزینه و درامد خانوار در سال 1390، به براورد خطای اندازه‌گیری درامد و تعدیل مقدار درامد اظهارشده خانوارهای نمونه با استفاده از روش‌های مبتنی بر مدل پرداخته شده است.
نقی همتی، موسی گل علی زاده،
جلد 12، شماره 1 - ( 6-1397 )
چکیده
اده‌های شکل با توجه به تعدد منابع خطاها اغلب در معرض ابتلا به خطای اندازه‌گیری قرار دارند. نادیده گرفتن چنین خطایی در صورت وجود، باعث بروز مشکلات زیادی از قبیل اریبی برآوردگرها می‌شود. در این حالت برآوردگرهای حاصل از عدم دخالت خطای اندازه‌گیری برآوردگرهای ناپخته نامیده می‌شوند. برآوردگرهای ناپخته برای پارامترهای مقیاس و دوران در هنگام استفاده از انطباق پروکراستس داده‌های شکل دو بعدی، اریب هستند. برای تصحیح اریبی و بهبود برآوردگرهای ناپخته، در این مقاله روش‌های کالبیدن رگرسیون که از طریق بکارگیری مدل‌های رگرسیونی مختلط و توزیع نرمال مختلط حاصل می‌شود و همچنین روش امتیاز شرطی پیشنهاد می‌شود. به علاوه، با انجام شبیه‌سازی آماری عملکرد این روش‌ها مورد مطالعه قرار می‌گیرند. همچنین، تحلیل آماری مربوط به شکل تپه‌های ماسه‌ای اردستان، با فرض وجود خطای اندازه‌گیری در مشاهدات، انجام می‌شود.
وحید تدین، عبدالرحمن راسخ،
جلد 13، شماره 1 - ( 6-1398 )
چکیده
عدم قطعیت یکی از ویژ‌گی‌های ذاتی در بسیاری از داده‌های زیستی، زمین‌آماری و جغرافیایی، به عنوان داده‌های فضایی است، که در اغلب اوقات ناشی از وجود خطا در اندازه‌گیری کمیت‌های مورد مطالعه است. این در حالی است که در نظر نگرفتن این موضوع می‌تواند اعتبار نتایج حاصل از تحلیل داده‌ها را زیر سؤال برده و براوردهای حاصل را دچار تورم واریانس و اریبی قابل توجهی نماید. در این مقاله، به تحلیل مدل فضایی گاوسی با خطای اندازه‌گیری در پیش‌گوها در قالب یک چارچوب بیزی پرداخته خواهد شد. با توجه به پیچیدگی شکل توزیع پسین، نمونه‌گیری از این توزیع به کمک الگوریتم‌های مونت کارلوی زنجیر مارکفی و روش داده‌افزایی انجام خواهد شد. سرانجام عملکرد مدل پیشنهادی را در مقایسه با نتایج تحلیل مدل ناپخته به کمک شبیه‌سازی ارزیابی می‌شود.
مژگان مرادی، شاهو زارعی،
جلد 18، شماره 1 - ( 6-1403 )
چکیده
خوشه‌بندی مبتنی بر مدل پرکاربردترین روش خوشه‌بندی آماری است، که در آن داده‌های ناهمگن با استفاده از استنباط بر اساس مدل‌های آمیخته به گروه‌هایی همگن تقسیم می‌شوند. وجود خطای اندازه‌گیری در داده‌ها می‌تواند کیفیت خوشه‌بندی را کاهش و به عنوان مثال، موجب بیش‌برازشی و تولید خوشه‌های جعلی شود. برای رفع این مشکل، خوشه‌بندی مبتنی بر مدل با فرض توزیع نرمال برای خطای اندازه‌گیری معرفی شده است. با وجود این، مقدارهای خیلی بزرگ یا خیلی کوچک (دورافتاده) از خطاهای اندازه‌گیری باعث عملکرد ضعیف روش‌های خوشه‌بندی موجود می‌شوند. برای رفع این مشکل و ساختن یک مدل استوار نسبت به حضور خطاهای اندازه‌گیری دورافتاده در داده‌ها، در این مقاله برای خطای اندازه‌گیری توزیع آلفا-پایدار متقارن جایگزین توزیع نرمال می‌شود و با استفاده از الگوریتم EM و روش‌های عددی، پارامترهای مدل برآورد می‌شوند. با استفاده از شبیه‌سازی و تحلیل داده واقعی به مقایسه مدل جدید ارائه شده با روش خوشه‌بندی مبتنی بر مدل با روش MCLUST، در حالت‌های با و بدون خطای اندازه‌گیری پرداخته و کارایی مدل پیشنهادی برای خوشه‌بندی داده‌ها در حضور انواع خطاهای اندازه‌گیری دورافتاده، نشان داده می‌شود.
|
|
|
|
|
|
|
|
|
|
|
