ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > بعض التقديرات المعلمية واللامع...>الوصف

بعض التقديرات المعلمية واللامعلمية لأنموذج الانحدار الدائري بالمحاكاة

العنوان بلغة أخرى: Some of Parametric and non Parametric Estimations for Circular Regression Model via Simulation
المصدر: مجلة ميسان للدراسات الأكاديمية
الناشر: جامعة ميسان - كلية التربية الأساسية
المؤلف الرئيسي: نزر، رنا صادق (مؤلف)
المؤلف الرئيسي (الإنجليزية): Nazer, Rana Sadiq
مؤلفين آخرين: علي، عمر عبدالمحسن (م. مشارك)
المجلد/العدد: مج23, ع49
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الشهر: آذار
الصفحات: 231 - 240
DOI: 10.54633/2333-023-049-023
ISSN: 1994-697X
رقم MD: 1458312
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch, HumanIndex
مواضيع:
الأساليب الإحصائية | البيانات الدائرية | نموذج الانحدار الخطي
كلمات المؤلف المفتاحية:
الانحدار الدائري | الإمكان الأعظم الدائري "MLE" "DM" | التقلص الدائري "SH" | الانحدار الموضعي الدائري "LL" | متوسط الخطأ الدائري "MCE" | Circular Regression | Circular Maximum Likelihood "MLE" | Circular Shrinkage "DM" | Local Linear Circular Regression "LL" | Mean Circular Error "MCE"
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

4

حفظ في:
المستخلص: إن البيانات الدائرية أو (المشاهدات الدائرية) هي بيانات ذات طبيعة دورية ويتم قياسها على دائرة الوحدة بالرادين أو الدرجات, وهي تختلف اختلافاً جوهرياً عن تلك البيانات الخطية المتوافقة مع التمثيل الرياضي لأنموذج الانحدار الخطي المعتاد نظراً لطبيعتها الدورية، وتنشأ البيانات الدائرية في مجموعة كبيرة ومتنوعة من مجالات الحياة المختلفة منها العلمية والطبية والاقتصادية والاجتماعية، ويعد الانحدار الدائري (الزاوي) من أهم الأساليب الإحصائية التي تمثل هذه البيانات، وهناك طرائق عدة لتقدير الانحدار الزاوي منها المعلمية ومنها اللامعلمية، إذ تظهر مشكلة البحث في التعامل مع البيانات الدائرية عند استعمال القياس الزاوي لمتغيرات الدراسة في أنموذج الانحدار (سواء المتغير المعتمد y أو المتغيرات التوضيحية s – x أو كلاهما معاً) بسبب توافر صفة الدورية في مقياس الدائرة، ويهدف البحث إلى تقدير النماذج الممثلة لتلك الظواهر الخاضعة لمنطق البيانات الدائرية (الزاوية) مأخوذة في ظل وجود صفة الدورية (على مدار 24 ساعة) في القياس، وتطبيق النمذجة السببية بأنموذج انحدار يستند إلى دالة تحويل مثلثيه والتي سيترتب عليها تغيير في هيكلية المعادلات الطبيعية التي تفضي إلى إيجاد حلول لها لتقدير معاملات الانحدار، لذا تضمن البحث استعمال ثلاثة نماذج للانحدار الزاوي اثنان منها نماذج معلمية وواحد منها أنموذج لا معلمي، فأما النماذج المعلمية فهي أنموذج الإمكان الأعظم الدائري (DM) (Maximum Likelihood Circular Regression) (MLE) وأنموذج التقلص الدائري (Circular Shrinkage Method) (SH) وهذه الطريقة هي طريقة مقترحة من قبل الباحثة، وأما النموذج اللامعلمي فهو أنموذج الانحدار الموضعي الدائري (Local Linear Circular Regression) (LL) وتم استعمال معيار متوسط مربعات الخطأ الدائري MCE) (Mean Circular Error)) للمقارنة بين النماذج الثلاثة، ولقد أظهرت النتائج في الجانب التجريبي (المحاكاة) عدم أفضلية النماذج المعلمية مقارنة بالنموذج اللامعلمي لحل مشكلة البيانات غير الأقليدية التي تتعامل مع المشاهدات الدائرية باستعمال طريقة التحويل المعكوس في تجارب المحاكاة (9 تجارب) ولجميع القيم الافتراضية وكافة أحجام العينات.

Circular data, or circular observations, is data that has a periodic nature and is measured on the unit circle in radians or degrees. It differs fundamentally from linear data that is compatible with the mathematical representation of the usual linear regression model due to its periodic nature. Circular data arises in a wide variety of fields of life, including scientific, medical, economic, and social. Circular (angular) regression is one of the most important statistical methods that represent this data. There are several methods for estimating angular regression, including parametric and non-parametric methods. The problem of the research appears in dealing with circular data when using angular measurement for the study variables in the regression model, whether the dependent variable y or the explanatory variables x, s, or both together, due to the presence of the periodic property in the circular scale. The research aims to estimate the models that represent these phenomena subject to the logic of circular angular data, taken under the presence of the periodic property over 24 hours in the measurement. The research also aims to apply causal modeling using a regression model based on a trigonometric transformation function, which will result in a change in the structure of the natural equations that lead to finding solutions to them to estimate the regression coefficients. Therefore, the research included the use of three models for angular regression, two of which are parametric models and one is a non-parametric model. As for the parametric models, they are the Maximum Likelihood Circular (MLE) model and the Circular Shrinkage Regression (DM) model. This method is a method proposed by the researcher. As for the non-parametric model, it is the Local Linear Circular Regression (LL) model. The Mean Circular Error (MCE) criterion was used to compare the three models. The results in the experimental (simulation) side showed that the parametric models are not better than the non-parametric model in solving the problem of non-Euclidean data that deals with circular observations using the inverse transformation method in simulation experiments (9 experiments) and for all assumed values and all sample sizes.
ISSN: 1994-697X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.