شناسایی مشاهدات دورافتاده در مدل رگرسیونی خطی-دایره‌ای

یکی از راه‌های شناسایی مشاهد ات دورافتاده در مدل‌های رگرسیونی، سنجش دوری مشاهدات از مقدار مورد انتظارشان تحت مدل برازش شده است. در مدل‌های رگرسیونی دایره‌ای دایره‌ای، این شناسایی با استفاده از فاصلۀ دایره‌ای امکان‌پذیر است. در این مقاله آمارۀ اختلاف میانگین‌های خطای دایره‌ای که به‌وسیلۀ ابوزید و همکاران برای شناسایی متغیر پاسخ دورافتاده در مدل رگرسیونی دایره‌ای دایره‌ای ساده معرفی شده است، برای مدل رگرسیونی خطی دایره‌ای به‌کار رفته و به‌روش شبیه‌سازی مونت‌کارلویی نقاط برینشی این آماره به‌دست آمده است. به‌علاوه با مطالعات شبیه‌سازی عملکرد این آماره بررسی ‌شده است. در نهایت این آماره برای شناسایی پاسخ دورافتاده در دادۀ سرعت و جهت باد ثبت شده در ایستگاه هواشناسی مهرآباد تهران به روش شبیه‌سازی خودگردان پارامتری به‌کار گرفته ‌شده است.

Identifying Outlier Observations in Linear - Circular Regression Model

One way to identify outlier observations in regression models, is to measure the difference between the observations and their expected values under fitted model. This identification in circular regression, is possible by using of a circular distance. In this paper, the Difference of Means Circular Error statistic that was introduced by Abuzaid et al. [1] for outlier detection in simple circular regression, is applied in linearcircular regression model and the cutoff points of this statistic are obtained by Monte Carlo simulations. In addition, the performance of this statistic is investigated with some simulation studies. Finally, this statistic is applied to identify outlier observations in speed and direction wind data set recorded at Mehrabad weather station in Tehran with parametric Bootstrap simulation method../files/site1/files/61/10.pdf