fa حل معادلات برآوردکننده مدل‌های رگرسیون با اندازه خطای تصادفی روی متغیر مستقل به روش بهینه سازی تخصصي Special پژوهشي Research <p dir="RTL"><span style="font-size:12px;"><span style="font-family: tahoma;"><span dir="RTL">اندازه‌های بعضی از متغیرها در تحلیل‌های آماری اغلب با خطاهای تصادفی همراه می‌باشند. در نتیجه بررسی اثرات این خطاها مهم و ضروری به نظر می‌رسد. این بررسی در</span><span dir="RTL">تحلیل</span><span dir="RTL">‌های</span><span dir="RTL"> رگرسیونی</span><span dir="RTL"> وقتی اندازه‌های متغیر مستقل دارای خطای تصادفی باشند از اهمیت بیش‌تری برخوردار است. زیرا</span><span dir="RTL"> هدف از </span><span dir="RTL">برازش یک مدل</span><span dir="RTL"> ر</span><span dir="RTL">گرسیون </span><span dir="RTL">برآورد اثر یک متغیر مستقل بر روی یک متغیر پاسخ می‌باشد. پس اگر </span><span dir="RTL">اندازه‌های متغیر مستقل در یک مدل </span><span dir="RTL">ر</span><span dir="RTL">گرسیون آلوده به خطاهای تصادفی</span><span dir="RTL"> باشند ممکن است در </span><span dir="RTL">برآورد پارامترهای آن مدل </span><span dir="RTL">تأثیر زیادی داشته باشند. ما </span><span dir="RTL">دراین مقاله ابتدا نحوه رخ دادن خطاهای تصادفی بر روی اندازه‌های یک متغیر را مورد بررسی قرار می‌دهیم. سپس نشان می‌دهیم که وجود این خطاها بر روی اندازه‌های متغیر مستقل در مدل‌های‌‌ رگرسیون بر برآورد پارامترهای آن مدل‌ها تأثیر داشته، به طوریکه حل مستقیم </span><span dir="RTL">معادلات برآوردکننده را برای</span><span dir="RTL"> برآورد پارامترها</span><span dir="RTL"> ناممکن می‌سازد. همچنین نشان می‌دهیم به روش بهینه‌سازی با حل معادلات برآوردکننده می‌توان به </span><span dir="RTL">برآورد پارامترهای یک مدل دست یافت. در نهایت نتایج&nbsp; روش بهینه‌سازی را</span><span dir="RTL"> بر روی دو مثال عملی آزمون می‌کنیم و اثرات نادیده گرفتن خطاهای تصادفی را </span><span dir="RTL">در این دو مثال نشان می‌دهیم.</span></span></span></p> <p dir="RTL"></p> <p>Measurements of some variables in statistical analysis are often encountered with random errors. Therefore, investigating of the effects of these errors seems to be important. This event in regression analysis seems to be more necessary. Because the aim of the fitting a regression model is estimating the effect of an independent variable on a response variable. Then measurements of an independent variable in a regression model are subject to random error, this may affect the parameter estimating processes. In this article, we first investigate how random errors occur on the measurements of a random variable. Then we show that exist such an error on the measurements of the independent variable has an impact on the estimating of the parameters, such that it makes impossible to directly solve the estimating equations for the estimating of the regression model parameters. We also show with an optimization procedure by solving the estimating equations the estimation of model parameters can be achieved. Finally, we test the results of the optimization procedure on two practical examples, and we illustrate the effects of ignoring random errors in estimating model parameters in these two examples.<br> &nbsp;</p> خطاهای تصادفی, مدلهای رگرسیون خطی و غیر خطی , معادلات برآوردکننده, بهینه سازی Random errors, Linear and non-linear regression models, Estimating equations, Optimization. 89 98 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-10-1205-1&slc_lang=fa&sid=1 M. Babanezhad منوچهر بابانژاد mbaba222@yahoo.com 10031947532846005109 10031947532846005109 Yes Golestan University دانشگاه گلستان