دانلود پروژه رگرسیون لجستیک
صفحه اصلی بازاریابی و همکاری در فروش راهنمای خرید پرسش و پاسخ درباره ما پشتیبانی تبلیغات تماس با ما

صفحه نخست  » پروژه  »  دانلود پروژه رگرسیون لجستیک

دانلود پروژه رگرسیون لجستیک پروژه رگرسیون خطی پروژه رگرسیون چندگانه پروژه رگرسیون چند متغیره پروژه آمار رگرسیون دانلود پروژه رگرسیون پروژه در مورد لجستیک پروژه های لجستیک پروژه مدیریت لجستیک دانلود پروژه لجستیک دانلود جزوه رگرسیون لجستیک

 –

 

Logistic Regression

 

رگرسیون لجستیک
فهرست مطالب
فصل اول: مقدمه ای بر الگوهای خطی تعمیم یافته ۱
۱-۱- الگوهای خطی : ۱
۱-۲-الگوهای غیر خطی : ۳
۱-۳- الگوهای خطی تعمیم یافته : ۳
۱-۴- رگرسیون لجستیک حالت خاصی از رده الگوهای خطی تعمیم یافته: ۵
فصل دوم: رگرسیون لجستیک ۷
۲-۱ـ مفهوم کلی متغیرهای نشانگر : ۷
۲-۲- مدل‌های رگرسیونی با یک متغیر پاسخ نشانگر : ۷
۲-۳- الگوی رگرسیونی که واریانس تابعی از میانگین است : ۸
۲-۴- یک مدل خطی : ۱۰
۲-۵- یک مدل غیرخطی : ۱۱
۲-۶- چند خاصیت منحنی لجیت : ۱۴
۲-۷- فرضهایی که در رگرسیون لجستیک وجود ندارد : ۱۴
۲- ۸ – فرضهایی که در رگرسیون لجستیک وجود دارند : ۱۵
فصل سوم : براورد پارامترهای مدل رگرسیون لجستیک ۱۶
۳-۱- برآورد پارامتر با استفاده از درستنمایی ماکزیمم  : ۱۶
۳-۲- رابطه بین برآورد درستنمایی ماکزیمم الگوی رگرسیون لجستیک و کمترین مربعات موزون : ۱۹
فصل چهارم : استنباط های آماری با استفاده از رگرسیون لجستیک ۲۳
۴-۱- استنباط والد وقتی از رگرسیون لجستیک استفاده می‌کنیم : ۲۳
۴-۲- استنباط درستنمایی در رگرسیون لجستیک : ۲۶
فصل پنجم :نرم افزار SAS و رگرسیون لجستیک ۲۹
فصل ششم: ۳۴
مثال ۶-۱ ۳۴
مثال ۶-۲ ۴۶
منابع : ۵۳
فصل اول:


مقدمه ای بر الگوهای خطی تعمیم یافته
تحلیل رگرسیونی، فن و تکنیکی آماری برای بررسی و به مدل در آوردن ارتباط بین متغیرهاست. کاربردهای رگرسیون، متعدد است. و تقریباً در هر زمینه ای از جمله مهندسی و فیزیک، اقتصاد، مدیریت، علوم زیستی و بیولوژی و علوم اجتماعی صورت می‌پذیرد. در حقیقت تحلیل رگرسیونی ممکن است فن و تکنیکی آماری با بیشترین و وسیعترین کاربرد بین تکنیکهای آماری باشد.
منظور از مدل بندی یا مدل کردن یک فرآیند، در نظر گرفتن یک مدل ریاضی بصورت یک معادله به منظور نشان دادن رفتار و روند کلی آن فرآیند می‌باشد. و رگرسیون یکی ازمهمترین و پرکاربدترین انواع مدل بندی در آمار است که به دو صورت خطی و غیر خطی مطرح می‌شود.
 ۱-۱- الگوهای خطی :
مدلی را مدل خطی می‌گویند که تابعی خطی بر حسب پارامترهای خود باشد. مثلاًَ مدلهای زیر خطی هستند:
که در آنها متغیر پاسخ یا برآمد، مجموعه ای از متغیرهای پیشگو یا برگشت،    مجموعه پارامترهای نامعلوم و جمله خطای تصادفی است. گاهی اوقات متغیرهای برگشت  را متغیر کمکی می‌نامند. ما نوعاً فرض می‌کنیم که جمله خطای  دارای میانگین صفر است. بنابراین، میانگین پاسخ  در الگوی رگرسیون خطی عبارتند از:
از الگوهای رگرسیون خطی به دلایل گوناگونی، زیاد استفاده می‌شود. اول اینکه مدل‌های خطی اغلب مدل‌های تجربی و عملی تری برای تحلیل فرآیندهای پیچیده و بطور کلی مدل کردن پدیده‌های ناشناخته محسوب می‌شوند. از طرفی تحلیل مدل‌های خطی نیز به مراتب آسانتر از تحلیل مدل‌های غیرخطی است.
دومین دلیل مشهود بودن الگوهای رگرسیون خطی این است که از آنها پارامترهای مجهول  مستقیماً برآورد می‌شوند. روش کمترین مربعات یک تکنیک برآورد پارامتر است که به اوایل قرن نوزدهم بر می‌گردد. وقتی از این روش در یک الگوی خطی استفاده می‌شود، تحلیلگر باید فقط یک مجموعه مرکب از  معادله خطی را نسبت به  مجهول  حل کند. امروزه ماشین‌های محاسبه کننده دستی و برنامه‌های رایانه ای روش کمترین مربعات را برای الگوهای خطی انجام می‌دهند، از این رو برازش مدل رگرسیون بسیار آسان است. سرانجام اینکه یک نظریه آماری واقعاً جالب و توسعه یافته برای الگوی خطی وجود دارد.
اگرخطاهای  در الگوی خطی را دارای توزیع نرمال مستقل با واریانس ثابت فرض کنیم آنگاه آزمون‌های آماری و فواصل اطمینان مربوط به پارامترهای الگو و فواصل پیشگویی و اطمینان برای پاسخ را می‌توان به سهولت بدست آورد. علاوه بر این، این روش‌ها به خوبی در بسیاری از بسته‌های نرم افزارآماری انجام داده شده و لذا به آسانی اجرا می‌شود.
در ضمن در آموختن الگوهای خطی تعمیم یافته، باید برخی از نظریه‌ها و جنبه‌های علمی استفاده از رگرسیون خطی را مد نظر قرار دهیم

دانلود پروژه رگرسیون لجستیک

قیمت : 6000 تومان

[ بلافاصله بعد از پرداخت لینک دانلود فعال می شود ]









تبلیغات