برآوردهای توانمند در مدل رگرسیون پواسون

بسیاری از روش‌های برآوردیابیِ رگرسیونی در مواجه با داده‌های پرت به شدت تحت تاثیر قرار می‌گیرند و خطاهای زیادی در برآوردهای حاصل از آنها رخ می‏‏‏‏‏دهد. در سال‏های اخیر، برای حل این مشکل روش‏های توانمندی توسعه یافته اند. برآوردگر حداقل واگرایی توان چگالی یک روش برآورد بر مبنای حداقل فاصله بین دو تابع چگالی است که این روش، برآورد توانمندی در مواجه با موقعیت‌هایی که داده‌ها شامل تعدادی داده پرت هستند ارائه می‌دهد. در این پژوهش، روش برآوردگر توانمند حداقل واگرایی توان چگالی را برای برآورد پارامترهای مدل‌ رگرسیون پواسون ارائه می کنیم که می‌تواند برآورد‌گرهای توانمند با کمترین نقصان در کارایی تولید کند. همچنین عملکرد برآوردگرهای پیشنهادی را از طریق ارائه مثال واقعی مورد بررسی قرار خواهیم داد. 

robust estimations in poisson regression model

 many regression estimation techniques are strongly affected by outlier data and many errors occur in their estimation.in the recent years, robust methods have been developed to solve this issue. the minimum density power divergenceestimator is an estimation method based on the minimum distance between two density functions, which provides arobust estimate in situations where the data contain a number of outliers. in this research, we present the robust estimationmethod of minimum density power divergence to estimate the parameters of the poisson regression model,which can produce robust estimators with the least loss in efficiency. also, we will investigate the performance of theproposed estimators by providing a real example.