Skip to main content
SUPERVISOR
SyedMohmoud Taheri
سیدمحمود طاهری (استاد راهنما)
 
STUDENT
Shohreh Mirzaei Yeganeh
شهره میرزائی یگانه

FACULTY - DEPARTMENT

دانشکده ریاضی
DEGREE
Master of Science (MSc)
YEAR
1386

TITLE

Logistic Regression in Fuzzy Invironment
Continuity of response variable is an important assumption in probabilistic linear regression models. So, these models cannot be used for cases in which response variable is not continuous. One common method in such circumstances is implementation of of an important In i) exact observed data, ii) exact relationship between variables. But, in practice, observations of some variables and/or relationships among the variables might be vague. Such situations may be occurred as a result of inexact report of response variable and/or expert discretion because of his/her uncertainty about the existence of a characteristic. In such cases, fuzzy models can be used for modelling and predicting.
در مدل های رگرسیون آماری، پیوستگی متغیر پاسخ یک شرط اساسی است. بنابراین، هنگامی که متغیر پاسخ شرط پیوستگی را نداشته باشد، این مدل ها قابلیت کافی برای مدل سازی داده ها را نخواهند داشت. در چنین شرایطی یک رده ی مهم از مدل های آماری، برای مدل سازی و پیش بینی، مدل های رگرسیون لجستیک است. مدل های رگرسیون لجستیک آماری مبتنی بر چند فرض اساسی به ویژه دو شرط: الف) مشاهدات دقیق ب) روابط دقیق بین متغیرها، هستند. اما در عمل ممکن است که مشاهدات مربوط به برخی متغیرها، و/یا روابط بین متغیرها نادقیق باشند. در چنین مواردی می توان از مدل های فازی جهت مدل سازی و پیش بینی استفاده کرد. مدل های رگرسیون لجستیک را در شرایطی که روابط بین متغیرها و/یا مشاهدات مربوط به متغیر پاسخ نادقیق باشند مطالعه می کنیم و مدل های رگرسیون لجستیک بازه ای و همچنین مدل های رگرسیون لجستیک فازی را، برای مدل سازی روابط بین متغیرها ارایه می کنیم.

ارتقاء امنیت وب با وف بومی