پروژه آزمون فرض میانگین با نمونه های فازی

تعداد صفحات: 83 فرمت فایل: word کد فایل: 1000288
سال: 1392 مقطع: کارشناسی ارشد دسته بندی: پایان نامه آمار
قیمت قدیم:۱۴,۹۰۰ تومان
قیمت: ۱۲,۸۰۰ تومان
دانلود مقاله
  • خلاصه
  • فهرست و منابع
  • خلاصه پروژه آزمون فرض میانگین با نمونه های فازی

    مقدمه

     نظریه­­­­­­ی آمار و نظریه مجموعه­های فازی، هر دو برای مطالعه­ الگوها و سیستم­های شامل عدم قطعیت آماری وضع شده­اند. نظریه­آمار برای مطالعه الگوهای مبتنی­ بر ­عدم قطعیت آماری ­(منسوب به پیشامد­های آماری) و نظریه مجموعه­های فازی برای مطالعه الگوهای مبتنی بر عدم قطعیت امکانی (ناشی از ابهام و نادقیق بودن) مناسب هستند. این دو نظریه نه متناقض یکدیگرند و نه یکی دیگری را شامل می شود. گر چه طبیعت و کاربرد هر یک از این دو نظریه متفاوت از دیگری است، اما این باعث نمی شود که نتوان در یک مساله از هر دو نظریه استفاده کرد. در واقع می­توان روش­های کلاسیک آماری و روش­های فازی را با هدف توصیف و تحلیل بهتر مسائل دنیای واقعی، با هم تلفیق کرد.

     

     

     

    تاریخچه آمار فازی:

    نظریه مجموعه­های فازی درسال 1965 معرفی شد اما مطالعات و تحقیقات در آمار و احتمال فازی، به ­طور عمده از دهه هشتاد آغاز شد. از آن زمان، به کار­گیری روش­ها ­و­ ابزارهای نظریه مجموعه­های فازی در گسترش و تعمیق روش­های آماری مورد توجه روزافزون بوده است. در سال 1965، ایرانی تباری بنام پروفسور لطفعلی عسگرزاده، معروف به زاده، استاد دانشگاه برکلی آمریکا، در مجله اطلاعات و کنترل، مقاله­ای تحت عنوان مجموعه های فازی[1] منتشر ساخت و این مقاله مبنای توسعه و ترویج این نظریه به جهان شد.

    مدتها بود که او با نظریه سیستم ها سروکار داشت و ملاحظه می­کرد که هر چه پیچیدگی یک سیستم بیشترشود حل و فصل آن بوسیله ریاضیات رایج، مشکل تر است و لذا به ریاضیات دیگری برای حل این مشکل نیاز است این ریاضیات باید بتواند ابهام موجود در پیچیدگی یک سیستم را مدل­سازی کند و با محاسبات خود آن را تحت کنترل و نظارت در آورد و رفتار آن را پیشگویی کند و بالاخره در سال 1965 به این موفقیت دست­ یافت.

    آمار فازی به ­ویژه منطق فازی در صنعت کاربردهای فراوان پیدا کرده است. مثلاً در کنترل شبکه­های عصبی، کامپیوتر، منطق، تحقیق درعملیات، شبیه سازی، ریاضیات، آمار، شیمی، محاسبات نرم، هوش مصنوعی، تجزیه و تحلیل داده­ها، کشاورزی، و چندین زمینه دیگر.

    البته فازی فراتر از این پیشرفت کرده و در علوم انسانی و علوم اجتماعی و حتی در علوم قرآنی نیز کاربردهایی را پیدا کرده است.

     

     

     

    آمار فازی

    منظور از آمار فازی، استفاده از روشهای فازی در مباحث گوناگون علم امار است. در یک تقسیم بندی کلی، این کار تاکنون به صورتهای زیر انجام شده است:

    1.تعمیم مدل­های کلاسیک به مدل­های فازی، برای نمونه می­توان به مدل­هایی اشاره کرد که در آنها مشاهدات نادقیق مورد تجزیه و تحلیل قرار می­گیرند، در این موارد، چنانچه داده­های نادقیق به داده­های دقیق تبدیل شوند، آنگاه مدل اصلی به یک مدل معمولی آماری تقلیل می­یابد.

    2.استفاده از روش­های فازی به جای روش­های آماری، برای نمونه، می­توان به مواردی اشاره کرد که احساس می­شود عدم اطمینان حاکم بر مدل، از نوع امکانی است نه از نوع احتمالی. مثلا در یک مدل رگرسیونی ممکن است خطای مدل به عدم اطمینانی ناشی از مبهم بودن و منعطف بودن ارتباط بین متغیر­های سیستم باز گردد و نه به عدم اطمینان منسوب به خطای تصادفی. در این موارد می­توان از مدل­های رگرسیونی امکانی به جای مدل­های رگرسیون معمولی استفاده کرد.

    3.به کار گیری توام روشهای فازی و روشهای آماری در مدل­هایی که هر دو نوع عدم قطعیت (احتمالی و امکانی) در آنها وجود دارند. مثلا در مسئله برآورد یک پارامتر مجهول از یک توزیع احتمال، ممکن است با مشاهدات نادقیق نمونه روبرو شویم. در این حالت می­توان مشاهدات نادقیق را با مجموعه­های فازی صورت بندی و آنگاه از آنها در استنباط درباره پارامتر مجهول استفاده کرد.

    از بین سه رده­ای که در بالا به آنها اشاره شد، رده اول یعنی رده مربوط به تعمیم مدل­های کلاسیک به مدل­های فازی، مهمترین و گسترده ترین حالات را در بر می­گیرد.


    تعمیم­های یک مدل آماری

    یک مدل آماری (و کلا یک مدل ریاضی) را می­توان با استفاده از نظریه مجموعه­های فازی از چهار جنبه تعمیم داد:

    1.متغیر های تصادفی مدل را به صورت متغیر های تصادفی فازی در نظر گرفت.

    2.متغیر­ها به صورت معمولی فرض شوند، اما مشاهدات مربوط به آنها مشاهدات نادقیق باشند.

    3.متغیرها و مشاهدات مربوط به آنها معمولی باشند اما پارامتر­های مدل فازی، فرض شوند.

    4.متغیرها، مشاهدات مربوط به متغیرها و پارامترهای مدل اصلی، همگی معمولی باشند، اما متغیرها یا فرضها یا توابع مرتبط با مدل (مانند تابع زیان، تابع تصمیم، فرض مورد آزمون، ...) منعطف و نادقیق باشند.
     

    چند نکته:

    همین جا یک نکته را باید خاطر نشان کرد. از دیدگاه یک آماردان هدف آن نیست که روشهای فازی به جای روش­های آمار کلاسیک در همه موارد و همه موضوعات جایگزین شود، بلکه هدف بررسی این موضوع است که در مسائلی که روشهای آمار کلاسیک محدودیت­هایی دارد، چگونه (و اصولا آیا) می­توان از ابزارهای نظریه مجموعه­های فازی در حل آنها استفاده کرد؟ به بیان دیگر صحبت از مکمل بودن روشهای آماری و روشهای برگرفته­از ­نظریه مجموعه­های فازی است و نه لزوما رقیب بودن این روشها.

     

    چشم اندازهای آینده

    چشم انداز آمار فازی نسبتا گسترده و متنوع است. گرچه نمی­توان آنچه را در آینده اتفاق خواهد افتاد به طور دقیق پیش بینی کرد اما از قرائن موجود می­توان درباره روند آینده حدس­هایی زد. بر همین اساس و بدون ادعایی مبنی بر قطعیت، زمینه­ها و موضوع­هایی را که به نظر می­رسد در آینده نزدیک مورد توجه محققیق قرار گیرد، به طور خلاصه بیان می­کنیم. پیش از توضیح درباره گرایشهای خاص، یک نکته کلی را متذکر می­شویم، اصولا برای پیشرفت علم آمار در هر شاخه و هر زمینه­ای، لازم است تا مبانی نظری مربوطه، به ویژه مبانی احتمال مربوط به آن شاخه مورد مطالعه قرار گیرد و بستر­های لازم آماده شود. از این رو و از یک دیدگاه منطقی باید گفت که تحقیقات درباره نظریه احتمال فازی، مقدم بر تحقیقات درباره آمار فازی است. بنابراین، دست کم در بعضی از شاخه ها، باید در انتظار گسترش نظریه احتمال فازی بود تا بر پایه آن بتوان آمار فازی را گسترش داد.

     

    [1] - Fuzzy Sets

  • فهرست و منابع پروژه آزمون فرض میانگین با نمونه های فازی

    فهرست:

    1.1مقدمه. 12

    1.2 مقدار فازی زدایی برای دادههای فازی گسسته. 14

    1.3 مقدارفازی زدایی برای دادههای فازی فاصلهای.. 15

    1.4 میانگین برای دادههای فازی.. 15

    1.5 فاصلهی نرم برای دادههای فازی.. 18

    1.6  برابری فازی برای دادههای فاصلهای.. 20

    1.7 تعلق فازی برای دادههای فاصلهای.. 20

    1.8 برخی از ویژگیهای دادههای فازی.. 20

    1.9 آزمون فرض میانگین با نمونههای فازی.. 23

    1.10 آزمون   فازی برای همگونی.. 29

    1.11 روشهایی برای آزمون فرض همگن بودن نمونههای فازی گسسته. 29

    2.1 مقدمه. 34

    2.2 سری زمانی فازی.. 36

    2.3 رابطهی مجموعههای فازی.. 38

    2.4 مدلسازی و پیش بینی سری زمانی فازی چند متغیره 41

    2.5سری زمانی ....................... 42

    2.6تابع نشانگر بردار زبانی.. 43

    2.7 اساس قاعده فازی.. 46

    2.8 پیش بینی سری زمانی فازی چند متغیره 47

    2.9 فرآیندی یکپارچه برای مدلسازی سری زمانی فازی.. 50

    2.10  سنجش باورها در فرآیند پیش بینی.. 51

    2.11 نحوهی ایجاد تابع باور ومحاسبهی آن.. 53

    2.12 درجه ی تداخل اطمینان.. 54

    2.13 تابع باور 55

    2.14 تحقیقات تجربی.. 57

    2.15 نکات پایانی.. 71

    منابع: 73

    .

    منبع:

    طاهری. سید محمود، آشنایی با نظریه مجموعه های فازی، انتشارات جهاد دانشگاهی مشهد، 1357.

    لی، کوانگ هیونگ، ترجمه­ی زمانی. ناصر و رضایی. زینب، نخستین درس در نظریه فازی و کاربردها، انتشارات دانشجو تهران، 1388.

    Hung T.Nguyen, Fundamentals of statistics with Fuzzy data, New York, (2005)

     

    .

ثبت سفارش
عنوان محصول
قیمت