QA 13 1394

ON DETECTING OUTLIER IN SIMPLE LINEAR FUNCTIONAL RELATIONSHIP MODEL USING COVRATIO STATISTIC

كارشناسي ارشد

آمار رياضي

دانشگاه پيام نور مركز تبريز

1392

1394 زمستان

91 ص

نوايي كشاور،‌ليدر

محمودي،‌اكرم

چ تواند پيامد مربوط به مشاهدات غير متعارف 􀀁􀍬 استدلال ساخته شده از تحليل م 􀍬 هاي رگرسيون 􀀁 شماري براي توسعه دادن مدل 􀀁 بي 􀍬 باشد. ابزارهاي تشخيص 􀍷 آيند. در اين پايان نامه، ي 􀀁􀍬 ها بدست م 􀀁 وجوددارند كه با وقوع و تكرار داده ي􀀁 هاي پرت در مدل وابسته 􀀁 ي آزمون با استفاده از كووراتيو براي يافتن داده 􀀁 آماره رد توان براي يافتن 􀍺 دهيم كه عمل 􀀁􀍬 آوريم. همچنين نشان م 􀍬 بدستم 􀍬 خطّ 􀍬 تابع بخش پرت بيشتر از انحراف استاندارد و كمتر از خطاي واريانس ومستقل از باشد. 􀀁􀍬 ي نمونه م 􀀁 اندازه كه هردوي 􀍬 ر را زمان 􀋁 مابين دو متغي 􀍬 ي خطّ 􀀁 ي برآورد وابسته 􀀁 نامه مسئله 􀀁 در اين پايان آنها با خطا همراه باشند، مطرح خواهيم كرد. موضوع بحث ما يافتن بازههاي باشد. 􀀁􀍬 يا نرمال م 􀍬 هاي گاوس 􀀁 اطمينان براي پارامتر شيب و عرضاز مبدأ در مدل اي مدل سازي 􀀁 ِردايره 􀋁 مابين دومتغي 􀍬 ازمطالعات، مدل رگرسيون خط 􀍬 درتعدادكم 􀍬 ها به حدّكاف 􀀁 هاي پرت دراين مدل 􀀁 ل يافتن داده 􀍺 شده است. به هرحال، مش ي كووارتيو را كه عموماً براي 􀀁 نامه آماره 􀀁 درنظرگرفته نشده است. در اين پايان شود، بسط وتعميم 􀍬 استفاده م 􀍬 شناسايي بخش پرت درمدل رگرسيون خط اي هدف 􀀁 برداري كردن بيشترازاين روش، در مدل رگرسيون دايره 􀀁 دهيم بهره 􀍬 م مااست.

77080