| dc.contributor.advisor | Κούτρας, Μάρκος | |
| dc.contributor.author | Μασούρας, Γεώργιος Ι. | |
| dc.date.accessioned | 2015-05-20T07:34:39Z | |
| dc.date.accessioned | 2015-06-22T07:57:47Z | |
| dc.date.available | 2015-05-20T07:34:39Z | |
| dc.date.available | 2015-06-22T07:57:47Z | |
| dc.date.issued | 2015-05-20T07:34:39Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/6666 | |
| dc.description.abstract | Στο πρώτο κεφάλαιο της παρούσας διπλωματικής εργασίας εισάγεται το μοντέλο της λογιστικής εξίσωσης κάνοντας μια ιστορική αναδρομή για τη θέση που κατείχε στη βιβλιογραφία. Παρουσιάζονται οι διάφορες εκφράσεις που έχουν εμφανισθεί στη βιβλιογραφία για αυτή και καταλήγει στη σύνδεσή της με τη λογιστική κατανομή. Στο Κεφάλαιο 2 παρουσιάζονται οι τύποι της λογιστικής κατανομής και αναλυτικά οι ιδιότητες και τα χαρακτηριστικά της. Στο Κεφάλαιο 3 γίνεται αναφορά σε διάφορες μεθόδους εκτίμησης των παραμέτρων της λογιστικής κατανομής. Παράγονται ψευδοτυχαίοι αριθμοί από τη λογιστική κατανομή με συγκεκριμένες παραμέτρους και γίνεται πρακτική σύγκριση των μεθόδων εκτίμησης. Στο Κεφάλαιο 4 παρουσιάζονται οι τέσσερις κύριοι τύποι γενικευμένων λογιστικών μοντέλων καθώς και ένα πρόσφατο γενικευμένο λογιστικό μοντέλο με έξι παραμέτρους. Συζητούνται μερικές από τις ιδιότητες και τα χαρακτηριστικά τους, και παρουσιάζονται διάφορα αποτελέσματα που αφορούν τις σχέσεις τους με άλλες γνωστές κατανομές. Στο τελευταίο κεφάλαιο εφαρμόζονται μέθοδοι εκτίμησης των παραμέτρων σε πραγματικά δεδομένα που ακολουθούν τη λογιστική. | |
| dc.language.iso | el | |
| dc.subject | Κατανομή (Οικονομική θεωρία) | |
| dc.subject | Συναρτησιακή ανάλυση | |
| dc.subject | Στατιστική ανάλυση | |
| dc.title | Η λογιστική κατανομή, γενικεύσεις και εφαρμογές = Logistic distribution, generalizations and its applications | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/6666 | |
| dc.identifier.call | 330.154'3 ΜΑΣ | |
| dc.description.abstractEN | The logistic growth function is one of the oldest growth functions in the literature and is used to describe both population growth as well as organismic growth. In the first chapter of this thesis it introduces the above function as originally proposed by Verhulst (1838) and discusses all these common characteristics that led to the born of the logistic distribution. In Chapter 2 it presents several results for the logistic distribution which can be utilized in model building. In Chapter 3, it discusses several estimation methods as applied to the logistic population. An illustrative example is worked out by generating random numbers from the logistic distribution with specific parameters. In Chapter 4, the four major types of generalized logistic distributions are presented. Furthermore, a reference to the most recent six-parameter generalized logistic model is made. It discusses their properties and characteristics as well as their relationships to some other common statistical distributions. Finally, in Chapter 5 an example with real data is presented to illustrate how all these methods of estimation can be applied. | |
