fa تحلیل آمارشکل تپه‌های ماسه‌ای اردستان در حضور خطای اندازه‌گیری آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <p dir="rtl" style="margin: 0px; text-align: justify;">اده‌های شکل با توجه به تعدد منابع خطاها اغلب در معرض ابتلا به خطای اندازه‌گیری قرار دارند. نادیده گرفتن چنین خطایی در صورت وجود، باعث بروز مشکلات زیادی از قبیل اریبی برآوردگرها می‌شود. در این حالت برآوردگرهای حاصل از عدم دخالت خطای اندازه‌گیری برآوردگرهای ناپخته نامیده می‌شوند. برآوردگرهای ناپخته برای پارامترهای مقیاس و دوران در هنگام استفاده از انطباق پروکراستس داده‌های شکل دو بعدی، اریب هستند. برای تصحیح اریبی و بهبود برآوردگرهای ناپخته، در این مقاله روش‌های کالبیدن رگرسیون که از طریق بکارگیری مدل‌های رگرسیونی مختلط و توزیع نرمال مختلط حاصل می‌شود و همچنین روش امتیاز شرطی پیشنهاد می‌شود. به علاوه‌، با انجام شبیه‌سازی آماری عملکرد این روش‌ها مورد مطالعه قرار می‌گیرند. هم‌چنین، تحلیل آماری مربوط به شکل تپه‌های ماسه‌ای اردستان، با فرض وجود خطای اندازه‌گیری در مشاهدات، انجام می‌شود.</p> <p style="margin: 0px; text-align: justify;">According to multiple sources of errors, shape data are often prone to measurement error. Ignoring such error, if does exists, causes many problems including the biasedness of the estimators. The estimators coming from variables without including the measurement errors are called naive estimators. These for rotation and scale parameters are biased, while using the Procrustes matching for two dimensional shape data. To correct this and to improve the naive estimators, regression calibration methods that can be obtained through the complex regression models and invoking the complex normal distribution, as well as the conditional score are proposed in this paper. Moreover, their performance are studied in simulation studies. Also, the statistical shape analysis of the sand hills in Ardestan in Iran is undertaken in presence of measurement errors.</p> تحلیل پروکراستس, خطای اندازه‌گیری, توزیع نرمال مختلط, روش‌‌های تصحیح اریبی, داده‌های لندفرم Procrustes Analysis, Measurement Error, Complex Normal Distribution, Correction Bias Methods, Landform Data 239 253 http://jss.irstat.ir/browse.php?a_code=A-10-108-8&slc_lang=fa&sid=1 Naghi Hemmati نقی همتی naghi.hemmati@modares.ac.ir 10031947532846005232 10031947532846005232 No Department of Statistics, Tarbiat Modares University, Tehran , Iran. گروه آمار، دانشگاه تربیت مدرس Mousa Golalizadeh موسی گل علی زاده golalizadeh@modares.ac.ir 10031947532846005233 10031947532846005233 Yes Department of Statistics, Tarbiat Modares University, Tehran , Iran. گروه آمار، دانشگاه تربیت مدرس