برازش بهترین توزیع احتمالاتی به بیشینه بارش روزانه در سال (مطالعه موردی ایستگاه های همدیدی اصفهان و کاشان)
Publish place: Mathematics and Society، Vol: 7، Issue: 2
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 253
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_MATH-7-2_002
Index date: 28 January 2023
برازش بهترین توزیع احتمالاتی به بیشینه بارش روزانه در سال (مطالعه موردی ایستگاه های همدیدی اصفهان و کاشان) abstract
هدف این مقاله، یافتن بهترین توزیع احتمالاتی برای بیشینه بارش روزانه در سال با استفاده از داده های ایستگاه های همدیدی اصفهان با دوره (۱۹۵۱-۲۰۱۰) و کاشان برای دوره (۱۹۶۶-۲۰۱۰) است. توزیع های متداول در متون از جمله گاما، لگ-نرمال، وایبل، پیرسون نوع سه، توزیع های معکوس گاما، معکوس گامبل و معکوس نرمال، همچنین توزیع های مقدار فرین، با استفاده از روش بیشینه ی درستنمایی به داده ها برازش شدند. نیکوئی برازش توزیع ها با استفاده از آزمون کلموگروف-اسمرنوف ارزیابی گردید و در ادامه بهترین توزیع برازش شده به داد ه ها با استفاده از معیار اطلاع آکائیک انتخاب گردید. در مجموع، توزیع های نرمال معکوس و لگ-نرمال به عنوان بهترین توزیع به ترتیب برای ایستگاه اصفهان و کاشان انتخاب شدند. برای محاسبات مربوط به برازش مدل ها از قابلیت های بسته های مختلف نرم افزار R استفاده شده است.
برازش بهترین توزیع احتمالاتی به بیشینه بارش روزانه در سال (مطالعه موردی ایستگاه های همدیدی اصفهان و کاشان) Keywords:
روش های ناپارامتری , آزمون تصادفی بودن , آزمون نیکوئی برازش , بیشینه بارش روزانه در سال , توزیع های احتمالاتی , کمینه کردن غیر خطی , روش بیشینه ی درستنمایی
برازش بهترین توزیع احتمالاتی به بیشینه بارش روزانه در سال (مطالعه موردی ایستگاه های همدیدی اصفهان و کاشان) authors
حمید قربانی
گروه آمار، دانشکده علوم ریاضی، دانشگاه کاشان
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 :