تحلیل تابعی دما و بارندگی در ایران با استفاده از مولفه های اصلی تابعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تحلیل تابعی دما و بارندگی در ایران با استفاده از مولفه های اصلی تابعی دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تحلیل تابعی دما و بارندگی در ایران با استفاده از مولفه های اصلی تابعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تحلیل تابعی دما و بارندگی در ایران با استفاده از مولفه های اصلی تابعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تحلیل تابعی دما و بارندگی در ایران با استفاده از مولفه های اصلی تابعی :

نام کنفرانس، همایش یا نشریه : مجله پژوهش های آماری ایران

تعداد صفحات :۲۶

وقتی که مشاهدات، توابع پیوسته ای از یک متغیر (معمولا زمان) هستند؛ استفاده از روش های متداول در آمار کلاسیک برای تحلیل آن ها ممکن است به چالش کشیده شود. بنابراین برای تحلیل آن ها انطباق هایی در تئوری های موجود، لازم به نظر می رسد. چنین اقدامی به رویکرد جدیدی در آمار منتهی می شود که به آن تحلیل داده های تابعی (FDA) گویند. با توجه به این که در این رویکرد، مشاهدات به فضاهای تابعی با بعد بی نهایت متعلق می باشند، برای تحلیل آن ها ناگزیر به کاهش بعد هستیم. همانند یک مطالعه چندمتغیره، یکی از روش های متداول برای این کار استفاده از تحلیل مولفه های اصلی (PCA) می باشد. اما استفاده از PCA برای داده های تابعی نیز منوط به انطباق هایی در تئوری های مربوط و ارایه آن ها برای این گونه داده ها می باشد.در این مقاله ابتدا تعاریف و مفاهیم لازم برای بحث PCA در حالت تابعی ارایه می شود. سپس به تحلیل داده های دما و مقدار بارندگی در ایران و استخراج الگوهای پراکندگی و همبستگی بین این دو پدیده و نیز تفسیر آن ها می پردازیم. داده های موجود که از ایستگاه های مختلف هواشناسی در سراسر ایران جمع آوری شده اند، به صورت میانگین ماهانه دما و مقدار بارندگی در طول سال ۲۰۰۵ بوده اند. به دلیل ماهیت تابعی دما و مقدار بارندگی (تابعی از زمان)، اولین گام در تحلیل آن ها به روش تابعی، برازش منحنی های مناسب به این داده های گسسته اولیه می باشد که به آن ثبت نام داده ها گویند. از طرف دیگر، مشاهدات اولیه ممکن است با خطا اندازه گیری شوند، از این رو لازم است تا نخست با استفاده از یکی از روش های هموارسازی به ثبت نام داده ها پرداخته، سپس با به کارگیری PCA اقدام به تحلیل آن ها نمود. در پایان فواصل اطمینان بوت استرپی برای مقادیر و توابع ویژه برای داده های دما و بارندگی به دست آورده شده است.

کلید واژه: تحلیل داده های تابعی، تحلیل مولفه های اصلی تابعی، ثبت نام داده ها، فاصله اطمینان بوت استرپی