عنوان مقاله :
كاربرد رگرسيون ستيغي كمترين توان‌هاي دوم پيراسته محدودشده تصادفي در مدل‌سازي مصرف آب
عنوان به زبان ديگر :
Application of stochastic restricted least trimmed squares ridge regression in water consumption modeling
پديد آورندگان :
روزبه، مهدي دانشگاه سمنان، ايران , ملك جعفريان، مليحه دانشگاه سمنان، ايران , معنوي، منيره دانشگاه سمنان، ايران
كليدواژه :
روش كمترين توان‌هاي دوم پيراسته ريج , محدوديت خطي تصادفي , مصرف آب , نقاط دورافتاده , همخطي
چكيده فارسي :
مهمترين هدف علم آمار تجزيه و تحليل داده‌هاي واقعي دنياي پيرامون بشر است.
اگر اين اطلاعات دقيق و درست تحليل شوند، نتايج حاصل در بسياري از تصميمات مهم ياري‌گر ما
خواهد بود. از جمله داده‌هاي واقعي پيرامون ما كه تحليل آن بسيار مهم است، داده‌هاي مربوط به مصرف آب مي‌باشد. با توجه به اين كه
كشور ايران در ناحيه نيمه خشك آب و هوايي از كره زمين قرار دارد، لازم است براي پيش‌بيني و برگزيدن
بهترين و مناسب ترين مدل هاي دقيق مصرف آب گام‌هاي ژرفي برداشت كه لازمه تصميمات كلان كشوري مي‌باشد. در تجزيه و تحليل داده‌هاي واقعي ممكن است محقق با مشكل همخطي و نقاط دورافتاده مواجه شود. روش‌هاي مقاوم (استوار) براي تحليل مجموعه داده‌هاي داراي نقاط دورافتاده و رويكرد ستيغي روشي است كه براي تحليل مجموعه داده‌هاي داراي همخطي استفاده مي‌شوند. محدوديت روي مدل‌ها نيز ناشي از به كارگيري اطلاعات غيرنمونه‌اي در برآورد ضرايب رگرسيوني است. در اين مقاله به مدل‌سازي داده‌هاي مصرف آب، با استفاده از رويكرد ستيغي محدود شده تصادفي استوار پرداخته مي‌شود.
چكيده لاتين :
The most important goal of statistical science is to analyze the real data of the world around us. If this information is analyzed accurately and correctly, the results will help us in many important decisions. Among the real data around us which its analysis is very important, is the water consumption data. Considering that Iran is located in a semi-arid climate area of the earth, it is necessary to take big steps for predicting and selecting the best and the most appropriate accurate models of water consumption, which is necessary for the macro-national decisions. But analyzing the real data is usually complicated. In the analysis of the real data set, we usually encounter with the problems of multicollinearity and outliers points. Robust methods are used for analyzing the datasets with outliers and ridge method is used for analyzing the data sets with multicollinearity. Also, the restriction on the models is resulted from using non-sample information in estimation of regression coefficients. In this paper, it is proceeded to model the water consumption data using robust stochastic restricted ridge approach and then, the performance of the proposed method is examined through a Monte Carlo simulation study.
عنوان نشريه :
انديشه آماري
