[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: جلد 17، شماره 1 - ( 6-1391 ) ::
جلد 17 شماره 1 صفحات 1-14 برگشت به فهرست نسخه ها
توزیع‌های آمیخته-مقیاس نرمال و کاربرد آنها در برازش مدل‌ رگرسیون پانلی
ریحانه شکل آبادی ، ایرج کاظمی
دانشگاه اصفهان
چکیده:   (8526 مشاهده)

یک روش مناسب در برازش مدل‌های رگرسیونی با هدف افزایش انعطاف‌پذیری بیشتر مدل در تحلیل انواع داده‌ها با ساختار پخش غیرنرمال، استفاده از کلاس توزیع‌های آمیخته- مقیاس نرمال است. ساختار این خانواده بر پایه نمایش سلسله‌مراتبی تصادفی است که در آن توزیع آمیختگی نقش اساسی را در ویژگی‌های خاص آماری این توزیع‌های آمیخته ایفا می‌کند. این نمایش منجر به استفاده ساده‌تر و کاربرد بهتر این توزیع‌ها در برازش مدل‌های پیچیده توسط رهیافت بیز خواهد شد. ما در این مقاله خانواده توزیع آمیخته-مقیاس نرمال و توزیع‌های منتج از آن را در برازش مدل‌های پانلی به منظور انجام تحلیل‌های مقاوم‌تر داده‌های وابسته معرفی می‌کنیم. همچنین توزیع‌های پسین شرطی کامل موردنیاز جهت برآورد پارامترها با روش الگوریتم نمونه‌گیری گیبز را به دست می‌آوریم. در ادامه، مدل‌های معرفی شده را در تحلیل داده‌های بورس اوراق بهادار تهران بکار برده و با معیارهای انتخاب مدل آنها را مقایسه می‌کنیم.

واژه‌های کلیدی: الگوریتم نمونه‌گیری گیبز، پسین شرطی کامل، داده‌های پانلی، نمایش سلسله مراتبی.
متن کامل [PDF 4559 kb]   (2805 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۰/۷/۲۵ | پذیرش: ۱۳۹۱/۲/۱۶ | انتشار: ۱۳۹۳/۴/۲۱
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML     Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:


شکل آبادی ریحانه، کاظمی ایرج. توزیع‌های آمیخته-مقیاس نرمال و کاربرد آنها در برازش مدل‌ رگرسیون پانلی. اندیشه آماری. 1391; 17 (1) :1-14

URL: http://andisheyeamari.irstat.ir/article-1-81-fa.html



جلد 17، شماره 1 - ( 6-1391 ) برگشت به فهرست نسخه ها
مجله اندیشه آماری Andishe _ye Amari
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3790