در این مقاله، کلاسی از برآوردگرهای بیزی تعمیم یافته مینیماکس برای میانگین توزیع نرمال چندمتغیره زمانی که ماتریس کوواریانس معین مثبت و نامعلوم است تحت تابع زیان درجه دوم به دست آورده می شود، که تعمیم کلاس برآوردگرهای بیزی تعمیم یافته مینیماکس لین و تسای (1973) می باشد.
در این مقاله، کلاسی از برآوردگرهای بیزی تعمیم یافته مینیماکس برای میانگین توزیع نرمال چندمتغیره زمانی که ماتریس کوواریانس معین مثبت و نامعلوم است تحت تابع زیان درجه دوم به دست آورده می شود، که تعمیم کلاس برآوردگرهای بیزی تعمیم یافته مینیماکس لین و تسای (1973) می باشد.
مدل های بیزی سلسله مراتبی در آمار کاربردی به طور گسترده استفاده می شوند. اما برخلاف کاربرد گسترده آن ها در برخی جنبه های نظری کمتر مورد توجه قرار گرفته اند. یکی از جنبه های نظری مدل های بیزی سلسله مراتبی تعیین ابرپیشین ها و تأثیر آن ها روی ویژگی های مطلوب برآوردگرهای بیزی سلسله م
در بسیاری از کاربردها نیاز به برآوردگری برای ماتریس واریانس-کوواریانس است که معکوس پذیر باشد. در ابعاد بالا ماتریس واریانس-کوواریانس معکوس پذیر نخواهد بود. در این حالت یک روش معمول برای برآورد ماتریس واریانس-کوواریانس در ابعاد بالاتر استفاده از روش انقباضی است. در این پایان نام
در این پایان نامه یک الگوریتم عمومی برای بهبود دقت در تحلیل خوشه ای k-میانگین را که در آن از تأثیر برآوردگرهای انقباضی استفاده می شود، مطالعه می کنیم. مرکز خوشه ها را نسبت به میانگین کلی تمامی داده ها با استفاده از برآوردگرهای انقباضی به دست آورده و سپس برآوردگرهای انقباضی به عن
توزیع لگ نرمال به طور گسترده ای برای به دست آوردن توزیع متغیرهای تصادفی مثبت مورد استفاده قرار می گیرد. این توزیع دارای کاربردهای فراوانی از جمله در داده های مربوط به محیط های کار در معرض آلودگی و داده های زیستی است. یک مسئله قابل توجه، استنباط آماری میانگین توزیع لگ نرمال
پس از دریافت هشدار حالت خارج از کنترل توسط نمودار کنترل، متخصصین می بایست فرایند را متوقف و با بررسی چک لیست های موجود به شناسایی عوامل ریشه ای پرداخته و با رفع آنها فرایند را به حالت تحت کنترل بازگردانند. بنابراین دانستن زمان واقعی تغییر، می تواند در کاهش زمان، انرژی و در نتیجه