آزمون مانتل مونت کارلو جایگشتی و کاربرد آن در خوشه بندی سلسله مراتبی چند متغیره تحلیل آماری ناپارامتریک چند متغیره جایگشتی

چکیده مقاله

آنالیز داده های چند متغیره در تحقیقات مختلف کاربرد زیادی دارند به عنوان مثال تحقیقات آن در بوم شناسی و تنوع زیستی دارای اهمیت زیادی است بوم شناسان اغلب نیاز به آزمون فرضیاتی در رابطه با اثرات عوامل مورد آزمایش بر روی کل ترکیب جامعه دارند برای آنالیز داده های چند متغیره، استفاده از روش های آماری کلاسیک، مبتنی بر فرضیاتی مانند نرمال بودن توزیع داده هاست که معمولا در داده های بوم شناسی رعایت نمی شوند از این رو در سال های اخیر آزمون های ناپارامتریک مبتنی بر جایگشت و ماتریس های عدم شباهت به طور گسترده برای آزمون وجود اختلافات در ترکیب گونه های در علوم بوم شناسی مورد استفاده قرار گرفته است در این مقاله مفاهیم اولیه و روش هایی را معرفی خواهیم کرد که برای ارائه روش پیشنهادی به آنها نیاز استو در ابتدا به معرفی تجزیه و تحلیل ناپارامتریک چند متغیره، اهمیت، کاربرد و چالش های آن می پردازیم و در ادامه روش های ناپارامتریک چند متغیره جایگشتی را مطرح می کنیم سپس تعریفی جامع از آزمون های جایگشتی ارائه می شود و برای تاکید بر اهمیت موضوع، نمونه از آزمون ناپارامتریک چند متغیره جایگشتی می پردازیم سپس کاربردهای مختلف این گونه از آزمون ها برای آزمون اختلافات میان گروه ها که با استفاده از روش خوشه بندی سلسله مراتبی به دست می آیند براساس اندازه گیری ماتریس فاصله یا عدم تشابه، مورد بررسی قرار می گیرند

کلیدواژه‌ها

نویسندگان

محمد بسام شیخ البساتنه

کارشناسی ارشد، گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران

Behrouz Fathi Vajargah

استاد، گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران

�یخ البساتنه، محمد بسام و فتحی واجارگاه، بهروز،1398،آزمون مانتل مونت کارلو جایگشتی و کاربرد آن در خوشه بندی سلسله مراتبی چند متغیره تحلیل آماری ناپارامتریک چند متغیره جایگشتی،سومین کنفرانس بین المللی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی محاسبات نرم29 آبان 1398 · رودسر