Search In this Thesis
   Search In this Thesis  
العنوان
Discovering and Treating The Outliers Values by Bayesian Regression using Bootstrapping Method /
المؤلف
Mohamed, Nahed Talaat.
هيئة الاعداد
باحث / ناهد طلعت محمد عبد الكريم
مشرف / محمد محمد عطا
مناقش / مرفت مهدي
مناقش / محمد محمد عطا
الموضوع
Multivariate analysis. Probabilities.
تاريخ النشر
2019.
عدد الصفحات
118 p. ;
اللغة
الإنجليزية
الدرجة
الدكتوراه
التخصص
الإحصاء والاحتمالات
تاريخ الإجازة
1/1/2019
مكان الإجازة
جامعة بنها - كلية التجارة - الاحصاء والرياضة والتامين
الفهرس
Only 14 pages are availabe for public view

from 118

from 118

Abstract

لقد أصبح موضوع إكتشاف القيم الشاذة من أهم موضوعات الاستدلال الإحصائى خاصة فى الأونة الأخيرة ، وقد تم تعريف القيم الشاذة (Barnett & Lewis (1994)) بأنها وجود مشاهدة – أو مجموعة من المشاهدات- غير متوافقة مع باقى مجموعة البيانات. هذه القيم الشاذة تكون نتيجة لأخطاء بشرية أو خطأ فى النظام أو إنحراف طبيعى فى المجتمع . وهناك طرق عديدة لاكتشاف وجود القيم الشاذة في البيانات كما يوجد طرق عديدة لمعالجة وجود هذه القيم. ويهدف هذا البحث الى استخدام اسلوب بييز للتنبؤ بحدود الثقة لبيانات تتبع التوزيع الاسى وذلك في حالة وجود قيم متطرفة من نوع θ+δ وكذلك θδ . تطبيق طريقة البوتستراب (Bootstrap method ) لإكتشاف القيم الشاذة كأحد الطريقة لاكتشاف القيم المتطرفة وكذلك كيفية معالجة هذه القيم عن طريق حذفها . وتعتبر البوتستراب من أهم الطرق المستحدثة فى الأستدلال الإحصائى ، ويتعامل مع العينات العشوائية بحيث يتيح لنا توليد عدة عينات عشوائية من العينة العشوائية التى لدينا ، مع ملاحظة أن هذة العينات العشوائية المولدة يتم سحبها بإرجاع من نفس العينة التى لدينا بنفس الحجم أو بحجم أقل ، وكلا الأسلوبين له تطبيقاته الواسعة. وقد تم تطبيق ذلك الأسلوب على بيانات سابق استخدامها في دراسات سابق وكذلك بيانات التضخم في الاقتصاد المصري (مقاس بالرقم القياسى السنوى لأسعار المستهلكين) فى الفترة من يناير 2011 وحتى يناير 2018 ، تطوير طريقة معالجة القيم المتطرفة باستخدام أسلوب بييز (Bayesian method approach) وذلك بالتحكم فى الأوزان المعطاة للعينات . (Bayesian Bootstrap ) وذلك لإخفاء أثر القيم - الشاذة على العينة دون حذف هذة القيم . وتم تطبيق ذلك الأسلوب على Gaussian distribution ، Non-linear distribution