ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام المحاكاة الإحصائية لتق...>الوصف

استخدام المحاكاة الإحصائية لتقييم أداء بعض الطرق لتقدير الفقد العشوائي التام في نموذج الرمادي "GM"1,1

العنوان بلغة أخرى: Using Statistical Simulations to Evaluate the Performance of some Methods for Estimating the Completely Missing at Randomness in the Grey Model GM"1,1"
المصدر: مجلة العلوم والدراسات الإنسانية
الناشر: جامعة بنغازي - كلية الآداب والعلوم بالمرج
المؤلف الرئيسي: ماضي، مهدي حسن (مؤلف)
المؤلف الرئيسي (الإنجليزية): Madhi, Mahdi Hassan
المجلد/العدد: ع73
محكمة: نعم
الدولة: ليبيا
التاريخ الميلادي: 2022
الشهر: نوفمبر
الصفحات: 1 - 12
ISSN: 2312-4962
رقم MD: 1432305
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
المحاكاة الإحصائية | البيانات المفقودة | النظام الرمادي
كلمات المؤلف المفتاحية:
نظرية النظام الرمادي | النموذج الرمادي GM(1,1) | القيم المفقودة | البيانات المفقودة بشكل عشوائي تام | المحاكاة | Grey System Theory | Grey Model GM(1,1) | Missing Data | Completely Missing At Randomness (MCAR) | Simulation
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

3

حفظ في:
المستخلص: تعد مشكلة البيانات المفقودة بشكل عشوائي تام (Completely Missing at Randomness MCAR) في النموذج الرمادي (GM (1,1) واحدة من أهم المشاكل التي تعيق عملية التنبؤ، إذ إن وجود هذه القيم يقلل من قوة الاختبار وينتج تقديرات متحيزة تؤدي إلى استنتاجات مضللة وغير صحيحة. تهدف هذه الدراسة إلى تقييم أداء بعض الطرق الإحصائية المستخدمة في معالجة مشكلة البيانات المفقودة بشكل عشوائي تام. تشمل هذه الطرق: طريقة التعويض بالوسط الحسابي، وطريقة التعويض بالوسيط، وطريقة التوليد العشوائي اعتمادا على الوسط الحسابي، وطريقة التوليد العشوائي اعتمادا على الوسيط، وطريقة التعويض بالقيم التنبؤية من خط الاتجاه العام للسلسة. باستخدام برنامج R تم تنفيذ تجارب المحاكاة بأحجام عينات مختلفة (n= 8, 14, 20) بنمط أحادي ومتعدد لعدد القيم المفقودة اعتمادا على النموذج اللوغاريتمي متباطي كشفت نتائج متوسط مطلق الخطأ النسبي (MAPE) عن فاعلية طريقة التعويض بالوسيط في التنبؤ بخطوة وخطوتين وثلاث خطوات مستقبلية (h=1, 2, 3).

The problem of completely missing at randomness (MCAR) in the GM(1,1) gray model is one of the most important problems that hinder the prediction process, as the presence of these values reduces the power of the test and produces biased estimates that lead to misleading and incorrect conclusions. This study aims to evaluate the performance of some statistical methods used in addressing the problem of missing data completely randomly. These methods include the arithmetic mean compensation method, the median compensation method, the random generation method depending on the arithmetic mean, the random generation method depending on the median, and the compensation method with predictive values from the general trend line of the series. Using the R program, simulation experiments with different sample sizes (n = 8, 14, and 20) were carried out in a single and multiple pattern for the number of missing values depending on the lagged logarithmic model. The results of the mean absolute relative error (MAPE) revealed the effectiveness of the median compensation method in predicting the future steps 1, 2, and 3 (h = 1, 2, and 3).
ISSN: 2312-4962

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.