معرفی بسته circoutlier برای شناسایی داده‌های پرت در رگرسیون دایره‌ای-دایره‌ای

یکی از مسائل مهم در هر تحلیل آماری، وجود مشاهدات غیرمنتظره است. بعضی از مشاهدات بخشی از مسائل مورد مطالعه نیستند و به عنوان داده پرت شناخته شده اند. بررسی ها نشان داده است که داده های پرت بر عملکرد روش های استاندارد آماری در مدل ها و پیش بینی ها تاثیر می گذارد. هدف این مقاله ارائه بسته ی موجود در نرم افزار lrm; rlm; lrm; lrm;r lrm; lrm; برای شناسایی داده پرت در رگرسیون دایره ایدایره ای است که توسط نگارنده این مقاله نوشته شده است. ابتدا توضیح مختصری در مورد داده دایره ای و رگرسیون دایره ای داده می شود ، سپس بسته های موجود در نرم افزار r برای انجام رگرسیون دایره ای معرفی شده، توابع موجود در بسته circoutlier شرح داده می شود و برای هر کدام از توابع مثالی ارائه خواهد شد.

Introduction Package CircOutlier For Detection of Outliers in Circular-Circular Regression

One of the most important problem in any statistical analysis is the existence of unexpected observations. Someobservations are not a part of the study and are known as outliers. Studies have shown that the outliers affect to theperformance of statistical standard methods in models and predictions. The point of this work is to provide a coupleof statistical package in R software to identify outliers in circularcircular regression which is written by the author,we introduce a brief explanation about the circular data and circular regression, then the packages in R for circularregression introduced. After wand, the functions in the package CircOutlier will be described.