کاربرد رگرسیون ستیغی کمترین توان های دوم پیراسته محدودشده تصادفی در مدل سازی مصرف آب

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 121

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISS-26-2_002

تاریخ نمایه سازی: 20 شهریور 1401

چکیده مقاله:

مهمترین هدف علم آمار تجزیه و تحلیل داده های واقعی دنیای پیرامون بشر است. اگر این اطلاعات دقیق و درست تحلیل شوند، نتایج حاصل در بسیاری از تصمیمات مهم یاری گر ما خواهد بود. از جمله داده های واقعی پیرامون ما که تحلیل آن بسیار مهم است، داده های مربوط به مصرف آب می باشد. با توجه به این که کشور ایران در ناحیه نیمه خشک آب و هوایی از کره زمین قرار دارد، لازم است برای پیش بینی و برگزیدن بهترین و مناسب ترین مدل های دقیق مصرف آب گام های ژرفی برداشت که لازمه تصمیمات کلان کشوری می باشد. در تجزیه و تحلیل داده های واقعی ممکن است محقق با مشکل همخطی و نقاط دورافتاده مواجه شود. روش های مقاوم ‎(استوار)‎ برای تحلیل مجموعه داده های دارای نقاط دورافتاده و رویکرد ستیغی روشی است که برای تحلیل مجموعه داده های دارای همخطی استفاده می شوند. محدودیت روی مدل ها نیز ناشی از به کارگیری اطلاعات غیرنمونه ای در برآورد ضرایب رگرسیونی است. در این مقاله به مدل سازی داده های مصرف آب، با استفاده از رویکرد ستیغی محدود شده تصادفی استوار پرداخته می شود.

کلیدواژه ها:

‎Multicollinearity‎ ، ‎Outliers‎ ، ‎Ridge least trimmed squares method‎ ، ‎Stochastic linear restriction‎ ، ‎Water consumption‎. ، روش کمترین توان های دوم پیراسته ریج ، محدودیت خطی تصادفی ، مصرف آب ، نقاط دورافتاده ، همخطی.

نویسندگان

مهدی روزبه

Semnan University

ملیحه ملک جعفریان

Facing the Governor of Semnan Province City Water and Wastewater Company

منیره معنوی

Semnan University

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • امینی، م.، روزبه، م.، زمانی، ح. ( ۱۳۹۷ )، تحلیل ...
  • معنوی، م.، ( ۱۳۹۸ )، روش های تحلیل رگرسیونی در ...
  • Alheety, M. and Kibria, G. (۲۰۱۹). A new version of ...
  • Arashi, M., Kibria, B.M.G and Valizadeh T., (۲۰۱۷). On Ridge ...
  • Belsley, D.A., Kuh, E., Welsch, R.E., (۲۰۰۴). Regression Diagnostics Identifying ...
  • Chatterjee, S. and Hadi, A. S., (۱۹۸۶). "Influential observation, High ...
  • Grob, J. (۲۰۰۳) Restricted ridge estimation, Statistics & Probability Letters, ...
  • Hald, A. (۱۹۵۲). Statistical Theory with Engineering Applications, NewYork: John ...
  • Hoerl A. E. and Kennard R. W. (۱۹۷۰), Ridge regression: ...
  • Kibria, B. M. G., (۲۰۰۵). Applications of some improved estimators ...
  • Liu H., Shah S. and Jiang W. (۲۰۰۴). On-line outlier ...
  • Montgomery, D.C., Peck, E. A. and Vining G. G. (۲۰۱۲) ...
  • Roozbeh M. (۲۰۱۶) Robust ridge estimator in restricted semi parametric ...
  • Roozbeh M. and Aishah N. A. (۲۰۱۷). Feasible robust estimator ...
  • Roozbeh M. and Aishah N. A. (۲۰۲۰). Uncertain stochastic ridge ...
  • Roozbeh, M. and Arashi, M. (۲۰۱۷). Least-trimmed squares: asymptotic normality ...
  • Roozbeh, M. and Babaie-Kafaki, S. (۲۰۱۶). Extended least trimmed squares ...
  • Rousseeuw, P.J. and Leroy, A.M. (۱۹۸۷), Robust Regression and Outlier ...
  • Sarkar, N. (۱۹۹۲). A new estimator combining the ridge regression ...
  • Sengupta, D. and Jammalamadaka, S.R.(۲۰۰۳). Linear Models: An Integrated Approach. ...
  • Theil, H., Goldberger, A.S., (۱۹۶۱). On pure and mixed statistical ...
  • امینی، م.، روزبه، م.، زمانی، ح. ‎(۱۳۹۷)‎، ...
  • راسخ، ع.، منصوری، ب. و نرگس هدایت پور، ن. ‎(۱۳۹۸)‎، ...
  • معنوی، م.، روش های تحلیل رگرسیونی در داده های با ...
  • نمایش کامل مراجع