الاختبارات القياسية لجودة المطابقة (أي اختبارات كولموغوروف-سميرنوف، كريمر-فون ميزس، وأندرسون دارلينج) تتطلب توزيعات متصلة بمعالم معلومة. عندما تكون المعالم غير معلومة وتم تقديرها من بيانات العينة فان الجداول القياسية للقيم الحرجة الموجودة لهذه الاختبارات لم تعد صالحة للاستخدام لجودة المطابقة. هذه الدراسة توفر جداول القيم الحرجة لتوزيعي باريتو وريلي عندما تكون معالم التوزيع غير معلومة وتم تقديرها من بيانات العينة. و من خلال دراسة القوة لهذه الاختبارات تبين لنا انه لجميع احجام العينات يكون اختبار أندرسون دارلينج المعدل هو الافضل مقارنة باختبار كولموغوروف - سميرنوف المعدل و اختبار ر كريمر - فون ميزس المعدل. لكلا توزيعي باريتو وريلي بمعالم مقدرة. Abstract The standard goodness-of-fit tests (i.e., Kolmogorov-Smirnov, Cramér–von-Mises, and Anderson-Darling test) require continuous underlying distributions with known parameters. When the parameters are unknown, but must be estimated from the sample data. The standard tables of critical values are no longer valid. This project gives tables of critical values for Pareto and Rayleigh distribution with unknown parameters. The results of the power study show for different sample size the modified Anderson-Darling test statistic is more powerful than modified Kolmogorov-Smirnov, and Cramér–von-Mises test statistic.
نجوى رمضان الريمي (2010)

يهدف البحث الى التعرف على اتجاهات الشباب نحو العمل الوظيفي والعمل الحر واستخدمت الاستبانة لجمع البيانات ووزعت على عينة حجمها 161 طالب وطالبة بجامعة طرابلس، تم اختيارها بطريقة العينة العشوائية، وتم تحليل البيانات واختبار الفرضيات من خلال تطبيق بعض ادوات التحليل الاحصائي وذلك باستخدام برنامج الحزمة الاحصائية للعلوم الاجتماعية والمعروف اختصاراً ببرنامج SPSS وتوصل البحث الى مجموعة من النتائج اهمها: 1. ان الشباب لديهم اتجاهات نحو العمل الحر. 2. ان اتجاهات الشباب نحو العمل تتجه اتجاها ايجابيا نحو العمل الحر اكثر من العمل الوظيفي. عدم وجود فروق في الاتجاه العام نحو العمل حسب التخصص وعمل الاب والخلفية الاجتماعية للاسرة وبين توجه الشباب نحو العمل.
جمال محمد اندير, أ. سعاد محمد البرقاوي(3-2022)

لهذه الدراسة هدفان مهمان وهما: أولاً: توضيح فكرة بناء الشبكات؛ العصبية المقترحة ثانياً: مقارنة هذه الطرق بالإدراك الجيد لنماذج السلاسل الزمنية (ARIMA) باستعمال المعيار MSE، وهو المعيار الأول لتدريب الشبكة العصبية والثاني لحساب آلية توقعات نماذج الشبكات العصبية. باستخدام بعض الأمثلة الخاصة اتضح أن الإجراءات حول نموذج الشبكات العصبية وجدت بأنها تقدم توقعات أفضل من نماذج السلاسل الزمنية، وأن نماذج الشبكات العصبية قد تستعمل في التنبؤ ببيانات السلاسل الزمنية بتعديل بعض الأوزان التى تعتبر معالم نماذج الشبكات العصبية والتى يمكن أن تقدر خلال عملية تدريب الشبكة، ودقة التوقعات مقدرة بالدالة المناسبة التى تستعمل في عملية تدريب الشبكة. إن مشكلة تنبؤ النماذج شائعة في التحليلات الإحصائية، وفى الغالب الطرق مستعملة للتعامل مع تنبؤ نموذج الانحدار والسلاسل الزمنية بالرغم من أن هذه الطرق قد لاتكون دقيقة في العينات الصغيرة و النتائج المتحصل عليها في هذا البحث حسبت بفصل مجموعة البيانات إلى مجموعتين جزئيتين أو أكثر، استعملنا الجزء الأول لملائمة النموذج والجزء الأخير لبناء التوقع باستخدام المعيار MSE كأداة للمقارنة بين النماذج, وكلما كانت قيمة هذا المعيار صغيرة كان النموذج أفضل. Abstract This study has two objectives. First, presenting artificial neural networks (ANN) second, comparing the proposed method with the well known ARIMA model, the accuracy of the neural network forecasts is compared with the corresponding ARIMA models by using the mean square error (MSE). By using the proposed (MSE) measures the artificial neural networks (ANN) were found deliver a better forecasts than the ARIMA model. A class of artificial neural networks (ANN) may be used in forecasting time series data. It may be used to approximate unknown expectation function of future observation given past values , thus the weights of these ANN can be viewed as parameters, which can be estimated through the network training. Then the model is used for forecasting. The accuracy of the forecasts is evaluated by suitable function. The problem of forecasting model is common in statistical analysis. One of the mostly used approach to deal with forecasting model is regression and time series. Although, approaches may not accurate in small sample. In an effort to forecast daily flow waters to the three important dams such as Ejdabia, Sirt, Benghazi, we will training to a take new tool if forecasting model which known as neural network model. This tool deal with testing data after made as partition of the original series into two sets first is called training set, were used to fit the model, while the second is called testing sets, were used to make forecasting. In this work the MSE is well known as tool for comparing between the models, further more when the MSE is less, the value of this model is a better than other models.
ساميه محمد ميره (2010)