Kernel Estimation of the Conditional Mode for Mixing Data
| العنوان بلغة أخرى: |
تقدير النواة للمنوال المشروط للبيانات الممزوجة |
|---|---|
| المؤلف الرئيسي: | Al Hourani, Sahar Aaki (Author) |
| مؤلفين آخرين: | Salha, Raid B (Advisor) |
| التاريخ الميلادي: |
2016
|
| موقع: | غزة |
| التاريخ الهجري: | 1437 |
| الصفحات: | 1 - 74 |
| رقم MD: | 735548 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | الجامعة الإسلامية (غزة) |
| الكلية: | كلية العلوم |
| الدولة: | فلسطين |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
39
| المستخلص: |
الدراسة في هذا البحث تهتم بالتنبؤات اللامعلمية وبدالة الكثافة الشرطية التي تلعب دورا مهما في هذا البحث. الهدف الرئيسي للبحث هو دراسة تقدير النواة لدالة الكثافة الاحتمالية الشرطية ودالة المنوال الشرطية، وستكون دراسة المنوال عندما يكون التوزيع مستقلا ومتجانسا أولا ثم دراسة بعض الشروط الكافية لمقدر النواة للمنوال الشرطي بحيث يكون مقدر النواة للمنوال الشرطي يتبع التوزيع الطبيعي المقارب. وسنكمل الدراسة في حالة ألفا الممزوجة تحت شروط إضافية لعمليات مزج البيانات للحصول على نتائج متقاربة للسلوك في حالة التوزيع المستقل والمتجانس. وفي نهاية البحث سنتناول تقدير المنوال الشرطي في بعض التطبيقات باستخدام بيانات حقيقية محلية ودولية وبيانات محاكاة وأثبت المقدر المقترح المختبر في الدراسات الثلاثة لبيانات المحاكاة والبيانات الحقيقة بأنه مقدر جيد وكفء وذلك من خلال نسبة الخطأ ومعامل الارتباط. |
|---|
عناصر مشابهة
-
Estimation of population abundance using Lomax model and weighted Lomax model for grouped and ungrouped line transect data
بواسطة: Abo Ehsaiyan, Hassan Mohammad Ahmed منشور: (2015) -
Kernel method for population abundance from several line-transect data
بواسطة: Ababneh, Hajar Salah Mohammad منشور: (2012) -
On the Kernel Estimation of the Conditional Median
بواسطة: Al Attal, Ammar A. منشور: (2016) -
Compositional Data and their Analysis
بواسطة: Al Enazi, Abd Alaziz Ahmed منشور: (2012) -
Count Data Analysis Using Generalized Maximum Entropy Estimation Approach
بواسطة: الكراسنة، هديل إبراهيم منشور: (2023)
