ی ͬͺاز تکنی های بسیار کاربردی در مباحث چند متغیره رگرسیون خطͬ و غیرخطͬ است. دررگرسیون ی متغیر وابسته وجود دارد که در روش های کلاسی اغلب این متغیر نرمال فرضمͬ شود که این فرض در عمل با مشͺلاتͬ روبرو است. به همین دلیل در دهه های اخیر رگرسیونبا متغییر وابسته پواسن، گاما، نمایی و سایر توزیع ها ساخته شده است. استفاده از توزیع آمیختهمتناهͬ نیز به غنای رگرسیون افزوده است. در این پایان نامه ضمن مروری بر رگرسیون خطͬ با توزیعآمیخته متناهͬ به انتخاب متغیر بیزی در این خصوص خواهیم پرداخت
متن يادداشت
One of the most useful techniques in multivariate topics is linear and nonlinearregression. There is a dependent variable in regression, which in classical methodsassumed to be a normal variable, which is problematic in practice. For this reasonin recent decades regression has been made with the dependent variable Poisson,Gamma, exponential and other distributions. The use of fnite mixed distributionhas also added to the richness of regression. In this dissertation, in addition toreviewing linear regression with fnite mixed distribution, we chose the Bayesianvariable in this issue
عنوانهای گونه گون دیگر
عنوان گونه گون
Statistical inference for fnite mixture model of linear regressions
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )