مقالات پژوهش هاي آماري ايران

اخيرا تحليل داده هاي تابعي به دليل دسترسي آسان تر به داده هايي که ذاتا به صورت تابع هستند پيشرفت قابل توجهي داشته است. مدل بندي بارندگي بر اساس دما و رطوبت با در نظر گرفتن ماهيت واقعي اين پديده ها که تابعي پيوسته از زمان هستند تاکنون به درستي در ايران انجام نشده است. داده هاي مربوط معمولا به صورت روزانه يا ماهانه (گسسته) جمع آوري مي شوند. اما اگر اين داده هاي گسسته به صورت برداري فرض شوند و از روش هاي چندمتغيره براي تحليل آن ها استفاده شود، مشکلات زيادي از جمله وجود بي نهايت جواب براي معادلات نرمال منتج از آن در رگرسيون وجود دارد.
با توجه به اين که داده هاي گسسته اوليه براي بررسي بايد با استفاده از روش مناسب به توابع پيوسته تبديل شوند، به دليل سادگي، رويکرد توابع پايه براي اين کار مورد استفاده قرار مي گيرد که خود به عنوان روشي براي کاهش بُعد داده هاي تابعي مطرح مي باشد. در اين مقاله، مشکلاتي که در نتيجه استفاده از روش هاي رگرسيون چندگانه به جاي به  کارگيري روش هاي رگرسيون تابعي رخ مي دهند بحث مي شود. در ادامه، با در نظر گرفتن مدل رگرسيون خطي تابعي ساده که در آن فقط يک متغير مستقل تابعي (دما يا رطوبت نسبي) وجود دارد و متغير پاسخ آن (لگاريتم مقدار بارندگي) اسکالر يا تابعي است ضرايب را براورد مي کنيم. پس از آن با توسعه مدل فوق و با وارد کردن هر دو متغير مستقل تابعي به طور هم زمان به مدل، پارامترهاي آن را براورد مي کنيم. در انتها نيز، به تفسير و ارزيلبي مدل هاي به دست آمده مي پردازيم.

 نسخه قابل چاپ