عناصر مشابهة
تقدير دوال الانحدار اللامعلمى باستخدام بعض أساليب التمهيد
| المصدر: | المجلة العراقية للعلوم الإحصائية |
|---|---|
| الناشر: |
جامعة الموصل - كلية علوم الحاسوب والرياضيات
|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | |
| المجلد/العدد: | ع 20 |
| محكمة: | نعم |
| الدولة: | العراق |
| التاريخ الميلادي: | 2011 |
| الصفحات: | 373 - 392 |
| ISSN: | 1680-855X |
| رقم MD: | 421917 |
| نوع المحتوى: | بحوث ومقالات |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| رابط المحتوى: |
|
| المستخلص: | تكمن فلسفة الإحصاء من حيث آلية التطبيق في محاولة نمذجة الظواهر المختلفة بنماذج اقرب ما يمكن إلى الواقع الفعلي، وهذه النماذج هي على أشكال، منها النماذج السببية، التي تقوم على أساس السبب ونتيجة السبب وتأتي في مقدمتها ما تسمى بنماذج الانحدار، لذلك قمنا باستعراض بعض الطرائق المهمة لتقدير دالة الانحدار اللامعلمي والتي تعد طرائق تمهيدية (Smooth) والطرائق التي تم استخدامها هي طريقة الدالة اللبية ( Kernel Function Method)، طريقة الجار الأقرب ( K-Nearest Neighbor) وطريقة الشرائح التمهيدية (Smoothing spline Method) إذ تم استخدام طريقة تقاطع الشرعية (-Cross Validation) لاختيار عرض الحزمة المناسبة بالنسبة إلى طرائق الدالة اللبية والشرائح التمهيدية. \ أما بالنسبة إلى طريقة الجار الأقرب فقد تم استخدام أسلوب المسافة التقليدية لاختيار عرض الحزمة المناسبة، وتمت المقارنة بين الطرائق الثلاثة أعلاه باستخدام أسلوب المحاكاة بنموذجين مختلفين وثلاث قيم للتباين. The philosophy of statistics in terms of the mechanism of the \ application, tries modeling the different phenomena with models closer to reality. These models are the forms of models of causality which are based on the reason and its result. They come in the forefront of the so called models of regression. \ The researcher reviewed some of the important ways to estimate the nonparametric regression function. One of the smooth ways and methods that were used is the kernel function method, the k-nearest neighbor method and smoothing spline method, has used crossvalidation method to choose the bandwidth for kernel function method and smoothing spline method. For k-nearest neighbor method,the Euclidean distance method, was used The comparison between these three methods using the simulation method with two different models and three value of variance was used. Then we can say that the best method in the two models is the k-nearest neighbor method |
|---|
