دانلود پایان نامه انتخاب متغیر در رگرسیون چندکی
دانشگاه شیراز
دانشکده علوم
پایان نامه ی کارشناسی ارشد در رشته ی آمار ریاضی
انتخاب متغیر در رگرسیون چندکی
استاد راهنما
دکتر محمد صدوقی الوندی
شهریور ماه 1390
(در فایل دانلودی نام نویسنده موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده
رگرسیون چندکی توسط Koenker و Bassett در سال 1978 معرفی شد. پس از آن، این روش به یک روش مهم و پرکاربرد برای مطالعه توزیع شرطی کامل متغیر پاسخ و همچنین ابزاری مهم در آمار کاربردی، تبدیل شده است.
انتخاب متغیر در مدلبندی آماری مدلهایی که دارای بعد بالا هستند، مسئله اساسی است. پرکاربردترین روشها، روشهای انتخاب گامبهگام است. این روشها از نظر محاسباتی پرهزینه هستند و همچنین خطای تصادفی در فرایند انتخاب متغیر را در نظر نمیگیرند.
در این پایان نامه روی جنبه انتخاب متغیر رگرسیون چندکی تاوانیده، متمرکز میشویم. تحت شرایطی، خواص پیشگویی رگرسیون چندکی SCAD تاوانیده و adaptive-LASSO تاوانیده را نشان میدهیم.
کلید واژه : انتخاب متغیر، خواص پیشگویی، رگرسیون چندکی، adaptive-LASSO، SCAD
فهرست مطالب
عنوان صفحه
فصل اول: مقدمه
1-1- تاریخچه……………………………………………………………………………………………………………………… 3
فصل دوم: رگرسیون چندکی
2-1- چندکها و چندکهای شرطی ………………………………………………………………………………… 7
2-2- از رگرسیون میانگین تا رگرسیون چندکی ………………………………………………………………. 8
2-3- از برآورد کمترین مربعات تا check function ……………………………………………………….. 12
2-4- از توزیعهای شرطی چوله تا رگرسیون چندکی …………………………………………………….. 13
2-5- روش برآوردیابی ………………………………………………………………………………………………………… 15
فصل سوم: رگرسیون چندکی خطی تاوانیده
3-1- رگرسیون چندکی خطی تاوانیده …………………………………………………………………………….. 18
3-2- رگرسیون چندکی خطی تاوانیده با تاوانLASSO…………………………………………………. 20
3-3- رگرسیون چندکی خطی تاوانیده با تاوان LASSO انطباقی ………………………………… 20
3-4- رگرسیون چندکی خطی تاوانیده با تاوان SCAD …………………………………………………. 21
عنوان صفحه
فصل چهارم: خواص مجانبی
4-1- خواص مجانبی ………………………………………………………………………………………………………….. 24
4-2- خواص مجانبی تاوان SCAD ………………………………………………………………………………….. 25
4-3- خواص مجانبی تاوان LASSO انطباقی ………………………………………………………………….. 26
4-4- خطاهای تصادفی مستقل و ناهمتوزیع ……………………………………………………………………. 27
فصل پنجم: مثال کاربردی
مثال ……………………………………………………………………………………………………………………………………….. 30
فهرست منابع ومآخذ ……………………………………………………………………………………………………………… 35
پیوست
پیوست 1 ………………………………………………………………………………………………………………………………. 40
پیوست 2 ………………………………………………………………………………………………………………………………. 49
پیوست 3 ………………………………………………………………………………………………………………………………. 54
پیوست 4 ………………………………………………………………………………………………………………………………. 55
فهرست جدول ها
عنوان صفحه
جدول-1: نتایج شبیهسازی برای سه روش مورد نظر با 1=λ و 1= و 10000=n…………… 31
جدول-2: نتایج شبیهسازی برای سه روش مورد نظر با 1=λ و 3= و 10000=n…………… 32
جدول-3: نتایج شبیهسازی برای سه روش موردنظر با 8=λ و 1= و 10000=n…………….. 32
جدول-4: نتایج شبیهسازی برای سه روش موردنظر با 8=λ و 3= و 10000=n…………….. 33
جدول-5: نتایج شبیهسازی برای سه روش موردنظر با 20=λ و 1= و 10000=n………….. 33
جدول-6: نتایج شبیهسازی برای سه روش موردنظر با 20=λ و 3= و 10000=n………….. 34
فهرست نمودارها
عنوان صفحه
نمودار1: 459 داده مربوط به حقوق استادان آمار آمریکا به عنوان تابعی از
سالهای استادی، به همراه نمودار رگرسیونی درجه دوم برازش داده شده …………………………. 10
نمودار 2: 459 داده مربوط به حقوق استادان آمار آمریکا به عنوان تابعی از
سالهای استادی، به همراه سه نمودار رگرسیونی چندکی…………………………………………………….. 11
نمودار 3: وزن در برابر سن 4011 دختر آمریکایی………………………………………………………………… 13
نمودار4: وزن در برابر سن 4011 دختر آمریکایی به همراه هفت نمودار
رگرسیونی چندکی………………………………………………………………………………………………………………………. 14
نمودار 5: نمونه ای از نمودار تابع SCAD برای7/3= و 2= ……………………………………………. 22
نمودار 6: نمودار تابع LASSO…………………………………………………………………………………………………. 22
مقدمه
رگرسیون (regression) در قلب آمار جای دارد. رگرسیون کمترین مربعات عادی (ordinary least square regression) (OLSR) میانگین متغیر پاسخ (response) را به عنوان تابعی از متغیرهای پیشبینیکننده (predictors)، برآورد می کند. رگرسیون کمترین انحراف قدرمطلق (least absolute deviation regression) (LADR)، تابع میانهی شرطی (به شرط متغیرهای پیشبینیکننده) را به عنوان تابعی از متغیرهای پیشبینیکننده، برآورد می کند. رگرسیون کمترین انحراف قدرمطلق، نسبت به مشاهدات پرت، پایاتر از رگرسیون کمترین مربعات است. Koenker و Bassett در سال 1978 ایده مربوط به رگرسیون کمترین انحراف قدر مطلق را تعمیم دادند و رگرسیون چندکی (quantile regression) را مطرح کردند. رگرسیون چندکی، توابع چندکی شرطی (به شرط متغیرهای پیشبینیکننده) را به عنوان توابعی از متغیرهای پیشبینیکننده، برآورد می کند. رگرسیون چندکی اطلاعات بیشتری از توزیع شرطی متغیر پاسخ ارائه میدهد و رگرسیون کمترین انحراف قدر مطلق را به عنوان یک حالت خاص در بر میگیرد. رگرسیون چندکی پس از معرفی توجه زیادی را به خود جلب کرده است و در زمینه های گوناگون به کار برده شده است از جمله: اقتصاد (Koenker و Hendricks (1992)، Koenker و Hallock (2001))، آنالیز بقاء (Yang (1999)، Koenker و Geling (2001)) مطالعات ریزآرایه (microarray) (Wang و He (2007) )، نمودار رشد (Wei و همکاران (2006)، Wei و He (2006)).
تعداد صفحه : 72
قیمت :14700 تومان
بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد
و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.
پشتیبانی سایت : * serderehi@gmail.com
در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.
*
[add_to_cart id=148772]