کاربرد رگرسیون ستیغی کمترین توان‌های دوم پیراسته محدودشده تصادفی در مدل‌سازی مصرف آب

مهمترین هدف علم آمار تجزیه و تحلیل داده‌های واقعی دنیای پیرامون بشر است.اگر این اطلاعات دقیق و درست تحلیل شوند، نتایج حاصل در بسیاری از تصمیمات مهم یاریگر ما خواهد بود. از جمله داده‌های واقعی پیرامون ما که تحلیل آن بسیار مهم است، داده‌های مربوط به مصرف آب می‌باشد. با توجه به اینکه کشور ایران در ناحیه نیمه خشک آب و هوایی از کره زمین قرار دارد، لازم است برای پیش‌بینی و برگزیدن بهترین و مناسب ترین مدل های دقیق مصرف آب گام‌های ژرفی برداشت که لازمه تصمیمات کلان کشوری می‌باشد. در تجزیه و تحلیل داده‌های واقعی ممکن است محقق با مشکل هم خطی و نقاط دورافتاده مواجه شود. روش‌های مقاوم (استوار) برای تحلیل مجموعه داده‌های دارای نقاط دورافتاده و رویکرد ستیغی روشی است که برای تحلیل مجموعه داده‌های دارای هم خطی استفاده می‌شوند. محدودیت روی مدل‌ها نیز ناشی از به کارگیری اطلاعات غیرنمونه‌ای در برآورد ضرایب رگرسیونی است. در این مقاله به مدل‌سازی داده‌های مصرف آب، با استفاده از رویکرد ستیغی محدود شده تصادفی استوار پرداخته می‌شود.

Application of stochastic restricted least trimmed squares ridge regression in water consumption modeling

lrm;The most important goal of statistical science is to analyze the real data of the world around us lrm;. lrm;If this information is analyzed accurately and correctly lrm;, lrm;the results will help us in many important decisions lrm;. lrm;Among the real data around us which its analysis is very important lrm;, lrm;is the water consumption data lrm;. lrm;Considering that Iran is located in a semiarid climate area of the earth lrm;, lrm;it is necessary to take big steps for predicting and selecting the best and the most appropriate accurate models of water consumption lrm;, lrm;which is necessary for the macronational decisions lrm;. lrm;But analyzing the real data is usually complicated lrm;. lrm;In the analysis of the real data set lrm;, lrm;we usually encounter with the problems of multicollinearity and outliers points lrm;. lrm;Robust methods are used for analyzing the datasets with outliers and ridge method is used for analyzing the data sets with multicollinearity lrm;. lrm;Also lrm;, lrm;the restriction on the models is resulted from using nonsample information in estimation of regression coefficients lrm;. lrm;In this paper lrm;, lrm;it is proceeded to model the water consumption data using robust stochastic restricted ridge approach and then lrm;, lrm;the performance of the proposed method is examined through a Monte Carlo simulation study lrm;.