Andishe-ye-amari
اندیشه آماری
Andishe
Basic Sciences
http://andisheyeamari.irstat.ir
1
admin
1026-8944
2717-4549
8
7
14
8888
13
fa
jalali
1396
12
1
gregorian
2018
3
1
22
2
online
1
fulltext
fa
تحلیل رگرسیون استوار فازی با دادههای خروجی و پارامترهای فازی بر پایه رتبهبندی مجموعههای فازی
Fuzzy Robust Regression Analysis with Fuzzy Response Variable and Fuzzy Parameters Based on the Ranking of Fuzzy Sets
تخصصي
Special
پژوهشي
Research
<p dir="rtl" style="margin: 0px;">هنگامیکه در مجموعه دادهها، مشاهدات دور افتاده وجود دارند روش رگرسیون استوار، جایگزین مناسبی برای رگرسیون معمولی است. همچنین اگر مشاهدات، فازی باشند نیز روشهای رگرسیون معمول، نمیتوانند راهگشای مدلبندی اینگونه از مشاهدات باشند و در این حالت روش رگرسیون فازی، روش جایگزین مناسبی است. برای حالتی که مشاهدات، فازی بوده و در مجموعه دادهها، مشاهدات دور افتاده وجود داشته باشند از روشهای جایگزین استوار فازی استفاده میشود. در این مقاله برای حالتی که متغیرهای وابسته و ضرایب رگرسیونی اعداد فازی بوده و مجموعه دادهها حاوی مشاهدات دور افتاده است، تحلیل رگرسیون کمترین توانهای دوم فازی اصلاح شدهای مطرح میشود. در این روش برای مقایسه مجموعههای فازی، باقیماندهها رتبهبندی میشوند. باقیماندهها با استفاده از شاخص حضور سراسری برای هر مجموعه فازیOM‎ به دست میآیند. سپس ماتریس وزن توسط تابع عضویت باقیماندهها تعریف میشود و براوردهای کمترین توانهای دوم فازی موزون با استفاده از ماتریس وزن بدست میآیند. برای نشان دادن عملکرد روش پیشنهادی، دو مثال را مطرح و نتایج حاصل از آنها ارائه میشود. </p>
<p dir="LTR" style="margin: 0cm 0cm 8pt; text-align: left; unicode-bidi: embed; direction: ltr;">‎Robust regression is an appropriate alternative for ordinal regression when outliers exist in a given data set‎. ‎If we have fuzzy observations‎, ‎using ordinal regression methods can't model them; In this case‎, ‎using fuzzy regression is a good method‎. ‎When observations are fuzzy and there are outliers in the data sets‎, ‎using robust fuzzy regression methods are appropriate alternatives‎. ‎In this paper‎, ‎we propose a fuzzy least square regression analysis‎. ‎When independent variables are crisp‎, ‎the dependent variable is fuzzy number and outliers are present in the data set‎. ‎In the proposed method‎, ‎the residuals are ranked as the comparison of fuzzy sets‎. ‎In the proposed method‎, ‎the residuals are ranked as the comparison of fuzzy sets‎, ‎and the weight matrix is defined by the membership function of the residuals‎. ‎Weighted fuzzy least squares estimators (WFLSE) are obtained by using weight matrix‎. ‎Two examples are discussed and results of these examples are presented‎. ‎Finally‎, ‎we compare this proposed method with ordinal least squares method using the goodness of fit indices‎.<font color="#000000" face="Calibri" size="3"> </font></p>
رگرسیون استوار, داده دور افتاده, رگرسیون فازی, شاخص OM.
Robust regression, outlier, fuzzy regression, OM index.
53
67
http://andisheyeamari.irstat.ir/browse.php?a_code=A-10-773-2&slc_lang=fa&sid=1
الهام
رحیمیان
elham_rahimian63@yahoo.com
3873581213
10031947532846002197
No
دانشگاه صنعتی شاهرود
محمد رضا
ربیعی
rabiei1354@yahoo.com
2121899871
10031947532846002198
Yes
دانشگاه صنعتی شاهرود
داود
شاهسونی
davoodshah@yahoo.com
0650438191
10031947532846002199
No
دانشگاه صنعتی شاهرود