ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام الأساليب اللامعلمية لت...>الوصف

استخدام الأساليب اللامعلمية لتقدير الدالة التمييزية

المصدر: مجلة القادسية للعلوم الإدارية والاقتصادية
الناشر: جامعة القادسية - كلية الادارة والاقتصاد
المؤلف الرئيسي: دخيل، طاهر ريسان (مؤلف)
مؤلفين آخرين: عبدالرزاق، غسق فاضل (م. مشارك), داود، زينب يوسف (م. مشارك)
المجلد/العدد: مج 10, ع 1
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2008
الصفحات: 299 - 308
ISSN: 1816-9171
رقم MD: 72593
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
المحاكاة | الإحصاء | التحليل الإحصائي | لغات البرمجة | الحاسبات الإلكترونية | البرمجة الخطية
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: هناك بعض الافتراضات التي يجب أن تتوفر في المتغيرات العشوائية بهدف استخدام الطرائق المعلمية في تقدير الدالة التمييزية ومن هذه الافتراضات أن يكون توزيع هذه المتغيرات هو توزيعا طبيعيا ولكن هذا الافتراض قد لا يتحقق مما يتطلب البحث عن طرائق بديلة لتقدير الدالة ومن هذه الطرائق أسلوب التقدير اللامعلمي المسمى بتقديرKernel أو طريقة Kernel والتي تعتمد على البيانات في الحصول على تقدير للدالة مما يجتبنا المرور بتقدير المعلمات للدالة التميزية، ففي هذا البحث تم استخدام أسلوب Kernel ولثلاث دوال هي دالة Epanchinicove وGaussion وSin ومقارنة النتائج مع الطريقة المعلمية التقليدية وذلك بالاعتماد على مصادر خطأ التصنيف في الدالة التمييزية.

Some assumptions must available in random variables to allow us to use the parametric methods in discriminate function estimation. One of these assumptions is that the distribution of the variables are normal distribution ,but sometimes this is not achievement so we must seek for an alternative methods to estimate the discriminant function ,one of these methods is the nonparametric estimation procedure which called Kernel estimation or Kernel method which depends on data to get the estimation. In this paper we use Kernel procedure with three functions, Epanchinikov, Gaussian & Sine functions and compare results with the parametric method by using misclassification as criterion of comparing.
ISSN: 1816-9171

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.