برآورد تفاضلی استوار مدل های خطی جزئی
Publish place: Journal of Statistical sciences، Vol: 10، Issue: 1
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 117
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-10-1_006
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
رگرسیون خطی استوار یکی از متداولترین رویکردها در روش های آماری استوار است. پارامترهای این روش اغلب از طریق کمترین توان های دوم پیراسته برآورد می شوند که در آن تابع هدف به گونه ای صورت بندی می شود که مجموع k تا از کوچکترین توان دوم باقیمانده ها (خطاها) کمینه شود. لذا این روش در مقایسه با روش متداول کمترین توان دوم خطا از محاسبات پیچیده تری برخوردار است. هدف اصلی این مقاله ارائه یک روش جدید برآورد مدل های خطی جزئی با رویکرد تشخیص داده های پرت و معرفی برآوردگرهای استوار بر مبنای کمترین توان های دوم پیراسته است. در این راستا ابتدا روش تفاضلی در برآورد پارامترهای مدل خطی جزئی بیان می شود. سپس روش به دست آوردن برآوردگرهای تفاضلی استواری در مدل های خطی جزئی بر اساس یک مسئله بهینه سازی مبتنی بر کمینه سازی مجموع k تا از کوچکترین توان دوم باقیمانده ها معرفی می شود. این رویکرد توانایی تشخیص داده های پرت را دارد. نتایج عددی مطالعه شبیه سازی و مطالعه کاربردی با داده های واقعی نشان دهنده دقت بسیار زیاد برآوردگرهای تفاضلی استوار معرفی شده در این مقاله در مقایسه با برآوردگرهای کلاسیک و متداول مدل های خطی جزئی هستند.
Keywords:
Robust difference based estimator , Least trimmed squares , Robust partial linear model , Outlier data , برآوردگر تفاضلی استوار , کمترین توان های دوم پیراسته , مدل خطی جزئی استوار , داده های پرت
Authors
جلال چاچی
Department of Mathematics, Statistics and Computer Sciences, Semnan University, Semnan, Iran.
مهدی روزبه
Department of Mathematics, Statistics and Computer Sciences, Semnan University, Semnan, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :