• برازش مدل رگرسیونی به داده ها

یکی از اعداف تحقیق حاضر بررسی و مقایسه عملکرد دو روش ساختاری رگرسون خطی و شبکه عصبی مصنوعی می باشد. بدین منظور مدل رگرسیونی را بر داده‌ها با روش OLS برازش کرده و اثر هر یک از متغیرهای ورودی را بر روی متغیر خروجی بررسی کردیم.

• • انتخاب پارامترهای ورودی، توپولوژی و الگوریتم آموزشی مناسب برای شبکه عصبی

  (( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

در این گام از تحقیق پارامترهای ورودی، توپولوژی و الگوریتم آموزشی مناسب را با روش آزمون و خطا گزینش کردیم. بدین صورت که ترکیب های مختلفی را از شبکه‌های عصبی مصنوعی با الگوریتم‌های آموزشی و توپولوژی‌های مختلف را بکار بردیم و با درنظر گرفتن معیارهای MES ، R-squared در نهایت یکی از این ترکیبات انتخاب شدند.

• مقایسه نتایج حاصل از هر دو روش رگرسیون خطی و شبکه عصبی مصنوعی

در این گام از تحقیق با بهره گرفتن از معیارهای MES ، R-squared شبکه عصبی را با رگرسیون خطی مقایسه کرده و روش مناسب جهت پیش بینی تقاضا برای بیمه عمر را گزینش کردیم.
فصل چهارم
نتایج و یافته ها

۴-۱ مقدمه

در این فصل به بررسی نتایج حاصل از تجزیه و تحلیل آماری اطلاعات جمع آوری شده و همچنین تحلیل شبیه سازی انجام شده و بررسی نتایج شبیه سازی می پردازیم. لازم بذکر است که داده های مربوط به نرخ تورم سالانه، میزان تولید ناخالص داخلی سالانه (با قیمتهای جاری) و حق بیمه‌های عمر دریافتی از منابع کتابخانه ای جمع آوری شدند. در مجموع تعداد ۶۹ زوج داده‌های ورودی-خروجی جمع آوری شدند که مربوط به سالهای ۱۳۱۷ تا ۱۳۸۵ می باشند. در اولین گام تحقیق به تحلیل توصیفی داده ها پرداختیم. در تحلیل توصیفی داده ها، آماره های توصیفی و نمودارهای مناسب آن ها ارائه شده و در گام بعد به تحلیل استنباطی پرداختیم. در بخش تحلیل استنباطی ، آزمون های مناسب جهت تأیید یا رد فرضیات تحقیق مورد بررسی قرار گرفته است. در ادامه به مبحث شبکه‌های عصبی مصنوعی وارد شدیم و مولفه های اصلی شبکه عصبی مناسب را برای مساله مشخص نموده و در نهایت خروجی های دو روش با بهره گرفتن از برخی از معیارهای بررسی عملکرد در مقوله پیش‌بینی با هم مورد قیاس قرار گرفتند.
لازم به ذکر است که تحلیل های آماری با بهره گرفتن از نرم‌افزارSPSS انجام شده است. و شبیه سازی شبکه‌های عصبی با بهره گرفتن از نرم‌افزار MATLAB انجام گرفتند.
ضریب اطمینان پژوهش
در پژوهش حاضر، ضریب اطمینان ۹۵ درصد در نظر گرفته شده است. به عبارت دیگر ضریب خطای پنج درصد در محاسبه نتایح پیش‌بینی شده است.
۴-۲ تحلیل توصیفی داده ها و بررسی فرضیه نرمال بودن متغیرها
پیش از تعیین روش آماری مناسب برای تحلیل، فرضیه ی نرمال بودن مشاهدات به صورت توصیفی با بهره گرفتن از رسم نمودار احتمال نرمال و نمودار هیستوگرام و همچنین به صورت استنباطی با بهره گرفتن از آماره کلموگروف- اسمیرنف، بررسی می‌شود. در صورتیکه مشاهدات از توزیع نرمال پیروی نکنند، از روش‌های ناپارامتری به منظور تجزیه و تحلیل آماری استفاده می‌شود.
معرفی روش‌های آماری مورد استفاده :برای تجزیه و تحلیل مشاهدات و بررسی تایید یا رد فرضیات تحقیق ازروش‌های آماری همبستگی پیرسون و رگرسیون استفاده شده است.

• ارائه تحلیل توصیفی متغیرها

جدول ۴-۱ : تحلیل توصیفی داده ها

تعداد

میانگین

میانه

انحراف معیار

کمترین مقدار

بیشترین مقدار