کوشا فایل

کوشا فایل بانک فایل ایران ، دانلود فایل و پروژه

کوشا فایل

کوشا فایل بانک فایل ایران ، دانلود فایل و پروژه

تحقیق درباره تخمین مدل و استنتاج آماری

اختصاصی از کوشا فایل تحقیق درباره تخمین مدل و استنتاج آماری دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 22

 

تخمین مدل و استنتاج آماری

بررسی ایستایی (ساکن بودن) سری های زمانی

قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری که اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

برای تاکید بیشتر تعریف ایستایی، فرض کنید Yt یک سری زمانی تصادفی با ویژگیهای زیر است:

(1) : میانگین

(2) واریانس :

(3) کوواریانس :

(4) ضریب همبستگی :

که در آن میانگین ، واریانس کوواریانس (کوواریانس بین دو مقدار Y که K دوره با یکدیگر فاصله دارند، یعنی کوواریانس بین Yt و Yt-k) و ضریب همبستگی مقادیر ثابتی هستند که به زمان t بستگی ندارند.

اکنون تصور کنید مقاطع زمانی را عوض کنیم به این ترتیب که Y از Yt به Yt-k تغییر یابد. حال اگر میانگین، واریانس، کوواریانس و ضریب همبستگی Y تغییری نکرد، می توان گفت که متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت که یک سری زمانی وقتی ساکن است که میانگین، واریانس، کوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد که در چه مقطعی از زمان این شاخص ها را محاسبه می کنیم. این شرایط تضمین می کند که رفتار یک سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد.

آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد

یک آزمون ساده برای ساکن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با نشان داده می شود و بصورت زیر تعریف می گردد.

 

از آنجاییکه کوواریانس و واریانس، هر دو با واحدهای یکسانی اندازه گیری می‌شوند، یک عدد بدون واحد یا خالص است. به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی که عملاً تنها یک تحقق واقعی (یعنی یک نمونه) از یک فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه، را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا کوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.

 

که همانند نسبت کوواریانس نمونه به واریانس نمونه است. نمودار در مقابل K نمودار همبستگی نمونه نامیده می شود. در عمل وقتی مربوط به جامعه را ندایم و تنها را براساس مصداق خاصی از فرآیند تصادفی در اختیار داریم باید به آزمون فرضیه متوسل شویم تا بفهمیم که صفر است یا خیر. بارتلت (1949) نشان داده است که اگر یک سری زمانی کاملاً تصادفی یعنی نوفه سفید باشد، ضرایب خود همبستگی نمونه تقریباً دارای توزیع نرمال با میانگین صفر و واریانس می باشد که در آن n حجم نمونه است. براین اساس می توان یک فاصله اطمینان، در سطح 95 درصد ساخت. بدین ترتیب اگر تخمینی در این فاصله قرار گیرد، فرضیه(=0) را نمی توان رد کرد. اما اگر تخمینی خارج از این فاصله اعتماد قرار گیرد می توان صفر بودن را رد کرد.

آزمون دیگری نیز بصورت گسترده برای بررسی ایستایی سریهای زمانی بکار می‌رود که به آزمون ریشه واحد معروف است. برای فهم این آزمون مدل زیر را در نظر بگیرید:

Yt = Yt-1+Ut

Ut جمله خطای تصادفی است که فرض می شود بوسیله یک فرآیند تصادفی مستقل (White Noise) بوجود آمده است. (یعنی دارای میانگین صفر، واریانس ثابت و غیر همبسته می باشد).

خواننده می تواند تشخیص دهد که معادله فوق، یک معادلخ خود رگرسیون مرتبه اول یا AR(1) می باشد. در این معادله مقدار Y در زمان t بر روی مقدار آن در زمان (t-1) رگرس شده است. حال اگر ضریب Yt-1 برابر یک شود مواجه با مساله ریشه واحد می شویم. یعنی این امر بیانگر وضعیت غیر ایستایی سری زمانی Yt می باشد. بنابراین اگر رگرسیون زیر را اجرا کنیم:

 


دانلود با لینک مستقیم


تحقیق درباره تخمین مدل و استنتاج آماری

دانلود مقاله ISI استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای

اختصاصی از کوشا فایل دانلود مقاله ISI استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای

موضوع انگلیسی :<!--StartFragment -->

Inference in hybrid Bayesian networks using mixtures of polynomials

تعداد صفحه :17

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

 

هدف اصلی از این مقاله، توصیف استنتاج در شبکه های بیزی ترکیبی (BNS) با استفاده از مخلوطی از چند جمله ای (MOP) تقریب توابع چگالی احتمال (فایلهای PDF). BNS ترکیبی شامل ترکیبی از متغیرهای تصادفی گسسته، پیوسته، و مشروط قطعی. شرطی برای متغیرهای پیوسته معمولا توسط فایلهای PDF مشروط است. یک مانع بزرگ در ساخت استنتاج در BNS ترکیبی حاشیه راندن متغیرهای پیوسته، که شامل یکپارچه سازی ترکیبی از فایلهای PDF مشروط است. در این مقاله، ما نشان می دهد استفاده از تقریب MOP از فایلهای PDF، که در روح شبیه به استفاده از مخلوط در نمایی کوتاه (MTEs) تقریب است. توابع MOP می تواند به راحتی یکپارچه هستند و تحت ترکیبی و به حاشیه راندن بسته شده است. این ما را قادر به انتشار پتانسیل MOP در گسترش معماری Shenoy در شافر برای استنتاج در BNS هیبریدی است که می تواند متغیرهای قطعی باشد. تقریب MOP دارای مزایای متعددی نسبت تقریب MTE از فایلهای PDF. آنها آسان تر به فی دوم، حتی برای فایلهای PDF مشروط چند بعدی، و قابل استفاده برای یک کلاس بزرگتر از توابع قطعی در BNS هیبریدی

 

 


دانلود با لینک مستقیم


دانلود مقاله ISI استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای

اختصاصی از کوشا فایل دانلود مقاله ISI استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای

موضوع انگلیسی :Inference in hybrid Bayesian networks using mixtures of polynomials

تعداد صفحه :17

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

 

هدف اصلی از این مقاله، توصیف استنتاج در شبکه های بیزی ترکیبی (BNS)
با استفاده از مخلوطی از چند جمله ای (MOP) تقریب توابع چگالی احتمال
(فایلهای PDF). BNS ترکیبی شامل ترکیبی از گسسته، پیوسته، و مشروط قطعی
متغیرهای تصادفی. شرطی برای متغیرهای پیوسته معمولا توسط مشروط توصیف
فایلهای PDF. یک مانع بزرگ در ساخت استنتاج در BNS ترکیبی حاشیه راندن پیوسته است
متغیرها، که شامل یکپارچه سازی ترکیبی از فایلهای PDF شرطی. در این
مقاله، ما نشان می دهد که استفاده از تقریب MOP از فایلهای PDF، که در روح به مشابه
با استفاده از مخلوط در نمایی کوتاه (MTEs) تقریب. توابع MOP می تواند
به راحتی یکپارچه هستند و تحت ترکیبی و به حاشیه راندن بسته شده است. این ما را قادر
به انتشار پتانسیل MOP در گسترش معماری Shenoy در شافر برای استنتاج در
BNS هیبریدی است که می تواند متغیرهای قطعی باشد. تقریب MOP چند
مزایای بیش از تقریب MTE از فایلهای PDF. آنها راحت تر برای پیدا کردن، حتی برای چند بعدی هستند
فایلهای PDF شرطی، و قابل استفاده برای یک کلاس بزرگتر از توابع قطعی هستند
در BNS ترکیبی.


دانلود با لینک مستقیم


دانلود مقاله تخمین مدل و استنتاج آماری

اختصاصی از کوشا فایل دانلود مقاله تخمین مدل و استنتاج آماری دانلود با لینک مستقیم و پرسرعت .

دانلود مقاله تخمین مدل و استنتاج آماری


...

دانلود با لینک مستقیم

دانلود مقاله ISI استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای

اختصاصی از کوشا فایل دانلود مقاله ISI استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای دانلود با لینک مستقیم و پرسرعت .

دانلود مقاله ISI استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای


موضوع فارسی :استنتاج در شبکه های بیزی ترکیبی با استفاده از مخلوط از چند جمله ای

موضوع انگلیسی :Inference in hybrid Bayesian networks using mixtures of polynomials

تعداد صفحه :17

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

 

هدف اصلی از این مقاله، توصیف استنتاج در شبکه های بیزی ترکیبی (BNS)
با استفاده از مخلوطی از چند جمله ای (MOP) تقریب توابع چگالی احتمال
(فایلهای PDF). BNS ترکیبی شامل ترکیبی از گسسته، پیوسته، و مشروط قطعی
متغیرهای تصادفی. شرطی برای متغیرهای پیوسته معمولا توسط مشروط توصیف
فایلهای PDF. یک مانع بزرگ در ساخت استنتاج در BNS ترکیبی حاشیه راندن پیوسته است
متغیرها، که شامل یکپارچه سازی ترکیبی از فایلهای PDF شرطی. در این
مقاله، ما نشان می دهد که استفاده از تقریب MOP از فایلهای PDF، که در روح به مشابه
با استفاده از مخلوط در نمایی کوتاه (MTEs) تقریب. توابع MOP می تواند
به راحتی یکپارچه هستند و تحت ترکیبی و به حاشیه راندن بسته شده است. این ما را قادر
به انتشار پتانسیل MOP در گسترش معماری Shenoy در شافر برای استنتاج در
BNS هیبریدی است که می تواند متغیرهای قطعی باشد. تقریب MOP چند
مزایای بیش از تقریب MTE از فایلهای PDF. آنها راحت تر برای پیدا کردن، حتی برای چند بعدی هستند
فایلهای PDF شرطی، و قابل استفاده برای یک کلاس بزرگتر از توابع قطعی هستند
در BNS ترکیبی.


دانلود با لینک مستقیم