circular regression
در نشریات گروه آمار-
یکی از مسائل مهم در هر تحلیل آماری، وجود مشاهدات غیرمنتظره است. بعضی از مشاهدات بخشی از مسائل مورد مطالعه نیستند و به عنوان داده پرت شناخته شده اند. بررسی ها نشان داده است که داده های پرت بر عملکرد روش های استاندارد آماری در مدل ها و پیش بینی ها تاثیر می گذارد. هدف این مقاله ارائه بسته ی موجود در نرم افزار R برای شناسایی داده پرت در رگرسیون دایره ای-دایره ای است که توسط نگارنده این مقاله نوشته شده است. ابتدا توضیح مختصری در مورد داده دایره ای و رگرسیون دایره ای داده می شود ، سپس بسته های موجود در نرم افزار R برای انجام رگرسیون دایره ای معرفی شده، توابع موجود در بسته CircOutlier شرح داده می شود و برای هر کدام از توابع مثالی ارائه خواهد شد.
کلید واژگان: شناسایی داده پرت در رگرسیون دایره ای، دایره ای، نرم افزار R، بسته CircOutlierOne of the most important problem in any statistical analysis is the existence of unexpected observations. Some observations are not a part of the study and are known as outliers. Studies have shown that the outliers affect to the performance of statistical standard methods in models and predictions. The point of this work is to provide a couple of statistical package in R software to identify outliers in circular-circular regression which is written by the author, we introduce a brief explanation about the circular data and circular regression, then the packages in R for circular regression introduced. After wand, the functions in the package CircOutlier will be described.
Keywords: Detection of Outlier in Circular, Circular Regression, R Software, CircOutlier Package
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.