fa رده‌بندی ‌چند-رده‌ای مبتنی بر تابع ژرفا برای داده‌های چندمتغیره آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <p dir="rtl">این مقاله به بیان یک رویکرد ناپارامتری بر اساس تابع ژرفا برای رده‌بندی داده‌های چند‌متغیره به چندین رده می‌پردازد. پیاده‌سازی این روش برخلاف اغلب روش‌های ناپارامتری دارای پیچیدگی محاسباتی نیست و در صورت برقراری فرض تقارن بیضوی مشاهدات، با قاعده&nbsp; بهینه بیزی معادل است. ارزیابی عملکرد این رده‌بندی‌‌ساز بر اساس توابع ژرفای مختلف، بر اساس مطالعات شبیه‌سازی و تحلیل داده‌های واقعی انجام می‌شود.</p> <p>&lrm;This paper presents a nonparametric multi-class depth-based classification approach for multivariate data. This approach is easy to implement rather than most existing nonparametric methods that have computational complexity. If the assumption of the elliptical symmetry holds, this method is equivalent to the Bayes optimal rule. Some simulated data sets as well as real example have been used to evaluate the performance of these depth-based classifiers.</p> تابع ژرفا‌, رده‌بندی‌, تقارن بیضوی‌, قاعده‌ی بهینه بیزی Depth function, Classification‎‎, Bayes optimal rule, ‎Elliptical symmetry 317 332 http://jss.irstat.ir/browse.php?a_code=A-10-1182-3&slc_lang=fa&sid=1 Sara Bayat سارا بیات sar.bayat@sbu.ac.ir 10031947532846009119 0009-0009-0243-9758 No دانشگاه شهید بهشتی، دانشکده علوم ریاضی، گروه آمار Sakineh Dehghan سکینه دهقان sa_dehghan@sbu.ac.ir 4073334980 10031947532846009120 Yes Shahid Beheshti University دانشگاه شهید بهشتی، دانشکده علوم ریاضی، گروه آمار