In the absence of knowledge about the phenomenon was the experience for the first time or can not determine a causal relationship, or behavioral variables that link instead of the requirement to take the data template or form the described function phenomenon in advance are replaced with a more flexible manner so-called Nonparametric analysis.The expansion in the Spline Smoothing Situation from Single to multiple variables showed the problem of dimensionality because we must expand in the case of Cubic Spline Smoothing to the state of Thin Plate Spline and the method of analysis of this type of Splines difficult, especially if he had known extent of interaction and which can not be represented easily as needs a high level of analysis and programming and this was the idea of Additive Model models and especially that there are some algorithms to overcome the effect of dimensionality problem.Research aims to focus on the methods Nonparametric Additive Regression Methods (i.e., the case of binary variables) so that we avoid the problem of dimensionality and the algorithms used Backbiting and SIMEX, which combines simulation and interpolation, and comparison between the algorithms using the standards of existing and other proposed criterion MGCV, using many of the simulation experiments and variations and sizes of samples different, in addition to the application of algorithms on real data about water pollution and the adoption of the model that best fits the data, which gives the less comparison criteria.

في حالة غياب المعرفة عن الظاهرة كان تقوم التجربة لإول مرة او لا يمكن تحديد العلاقة السببية او السلوكية التي تربط المتغيرات فبدلا من اشتراط ان تأخذ البيانات قالباً او شكلاً دالياً يوصف الظاهرة بشكل مسبق يتم استبدال ذلك بإسلوب اكثر مرونة يدعى التحليل اللامعلمي.ان التوسع في الشرائح التمهيدية من الحالة أحادية الى الحالة متعددة المتغيرات أظهر مشكلة البعديةCurse of Dimensionality اذ يجب التوسع في حالة الشرائح التمهيدية من التكعيبية Cubic Smoothing Spline الى الحالة Thin Plate Spline. كما ان أسلوب تحليل مثل هذا النوع من الشرائح صعب خاصة لو علم حد التفاعل والذي لا يمكن تمثيله بسهولة كما يحتاج الى مستوى عالي من التحليل والبرمجة ولهذا كانت فكرة النماذج الجمعية Additive Model وخصوصاً وان هناك بعض الخوارزميات التي تتجاوز مشكلة البعدية.يهدف البحث الى التركيز على طرائق الانحدار اللامعلمي الجمعي (اي حالة ثنائية المتغيرات) بحيث نتلافى مشكلة البعدية وكانت الخوارزميات المستخدمة Backbiting و SIMEX التي تجمع بين المحاكاة والاستكمال ثم المفاضلة بين الخوارزميات باستعمال معايير موجودة واخرى مقترحة كمعيار MGCV وذلك باستخدام العديد من تجارب المحاكاة وتباينات وحجوم عينات مختلفة، إضافة لتطبيق الخوارزميات على بيانات واقعية عن تلوث المياه واعتماد الانموذج الذي يناسب بيانات المياه والذي يعطي اقل معيار مقارنة.

Nonparametric --- Additive Regression --- Back fitting --- SIMEX --- MGCV Extrapolation

The development in manufacturing computers from both (Hardware and Software) sides, make complicated robust estimators became computable and gave us new way of dealing with the data, when classical discriminant methods failed in achieving its optimal properties especially when data contains a percentage of outliers. Thus, the inability to have the minimum probability of misclassification. The research aim to compare robust estimators which are resistant to outlier influence like robust H estimator, robust S estimator and robust MCD estimator, also robustify misclassification probability with showing outlier influence on the percentage of misclassification when using classical methods. ,the other aim of research is to compare estimators to find the best estimator which can gave less probability of misclassification especially with the variety of contamination percentage and different samples sizes and the data contaminated according to a technique that had never been used in other research on the country level.

ان التطور في صناعة الحواسيب من الناحيتين (المادية والبرمجية) أمكن حساب مقدّرات حصينة معقدة والتي تزودنا بأسلوب جديد في التعامل مع البيانات في حال اخفاق طرائق التمييز التقليدية في تحقيق خواصها المثلى لاسيما مع إحتواء البيانات على نسبة من الشواذ و بالتالي فشل الحصول على أقل احتمال لخطأ التصنيف. يهدف البحث الى مقارنة مقدّرات حصينة مقاومة لتأثير الشواذ كمقدّر H الحصين، مقدّر S الحصين، ومقدّر MCD الحصين و كذلك تحصين احتمال خطأ التصنيف مع بيان تأثير الشواذ على نسب خطأ التصنيف عند استخدام طرائق التمييز التقليدية. ومن ضمن أهداف البحث مقارنة المقدّرات للتعرّف على أفضل مقدّر يعطي أقل احتمال لخطأ التصنيف ولا سيما مع تنوّع نسب التلويث ومع حجوم عينات مختلفة بأتباع اسلوب المحاكاة .

make complicated robust estimators became computable --- مقارنة بعض المقدّرات الحصينة في دوال التمييز بأستخدام المحاكاة

There is poverty because of the difference in capacity and material resources, Previously poverty known on the basis of disparity between income and inadequate income. It realize later that fare wore effects of poverty is the erosion of human capital. The human poverty is the loss of food, education, health care and shelter. In order to provide a database that target the poor , it have been propped a document on the features of poverty and the whereabouts of the poor and the rate of disparity between provinces. Here the goal of the research is the identify the factors affecting the incidence of poverty in Iraq and because the poverty dose not depend on factor but several factors in the amount of importance, we found that factor analysis is the appropriate technique and to support the results of factor analysis we use cluster analysis on data of economic and social server of families in Iraq on 2007, it caned out in Iraq in cooperation with world bank.

وجد الفقر بسبب الاختلاف والتفاوت في القدرات والامكانات المادية وسابقاً كان الفقر يعرف على اساس التفاوت المادي بين الدخول وعدم كفاية الدخل، وادرك لاحقاً ان من اسواء آثار الفقر هو تاكل الثروة البشرية اي ان الفقر البشري هو فقدان الغذاء والتعليم والرعاية الصحية والمأوى. ولإجل توفير قاعدة بيانات تستهدف الفقراء فقد تم أعداد وثيقة تناولت ملامح الفقر وأماكن تواجد الفقراء بشكل عام ومعدل التفاوت بين المحافظات. تاتي أهمية البحث في تحديد العوامل المؤثرة على انتشار الفقر من جانب أحصائي ولكون الفقر لا يعتمد على عامل واحد بل عدة عوامل تتباين من حيث أهميتها وحيث ان التحليل العاملي هو الاسلوب الملائم ولدعم نتائج البحث تم أستخدام التحليل العنقودي وبالاعتماد على بيانات المسح الاقتصادي والاجتماعي للاسرة في العراق عام 2007 والذي نفذ من قبل الجهاز المركزي للاحصاء بالتعاون مع البنك الدولي .

: Hunger & Poverty --- Poverty Indicators --- Deprivation Factor Analysis --- Cluster Analysis. --- الجوع والفقر ، مؤشرات الفقر، الحرمان، التحليل العاملي، التحليل العنقودي.

One of the common techniques in analyzing multivariate data is analyzing of the principal components. This transforms large number of related variables into lesser number of no related components (PCA). In case of existence of outliers, which can be detected in several ways, then the dependence of variance and ordinary covariance matrices, also correlation matrix, would lead to misleading results in analyzing the principal components. The aim of this research is to introduce a new and fast algorithm in analyzing the robust principal components; when data contain outliers, while conventional methods fall in detecting outliers in data; then the results are misleading. The method is implemented to show its real effectiveness on variables affecting the increase of aluminum level in blood.

ان احد التقنيات الشائعة في تحليل البيانات متعددة المتغيرات هي تحليل المركبات الرئيسة PCA الذي يحول عدد كبير من المتغيرات المرتبطة الى عدد اقل من المركبات غير المرتبطة، وفي حالة وجود القيم الشاذة والتي يكشف عنها في طرق عديدة فان اعتماد مصفوفة التباين والتباين المشترك ومنه مصفوفة الارتباط الاعتياديتين سيؤدي الى نتائج مظللة لتحليل المركبات الرئيسة.يهدف هذا البحث الى تناول خوارزمية جديدة وسريعة في تحليل المركبات الرئيسة الحصينة عند احتواء البيانات على قيم شاذة، والتي تفشل فيها الطرائق التقليدية في الكشف عن الشواذ وبالتالي الحصول على نتائج مظللة، وقد تم تطبيق الطريقة لبيان مدى كفاءتها على بيانات واقعية لمتغيرات تؤثر على ارتفاع نسبة الألومينيوم في الدم.

The fastest --- algorithm --- analyzing --- robust --- principal --- components --- application --- variables --- affecting the increase of aluminum level in blood Abstract --- الخوارزمية --- الاسرع --- لتحليل المركبات الرئيسة --- الحصينة --- تطبيق عملي --- المتغيرات المؤثرة --- ارتفاع نسبة الالومينيوم --- الدم

The classical discriminate functions have been taught by many researchers, and they found that it is less robustness when some assumptions related with discriminate functions are not achieved specially with the outliers existence, thus the researchers for the last ten years concentrated on robust estimators which was difficult to compute before. But with the development in manufacturing computes from both hardware and software sides, complicated robust estimators became computable and it gives us a new way of dealing with the data compared to the classical estimators . So, the idea of the research is to use robust estimators which are resistant to the outlier influence like robust H estimator, robust S estimator and robust MCD estimator ,and also robust misclassification probability with showing outlier influence on the percentage of misclassification when using classical methods, some of the research aims are to compare estimators to find the best estimator which can give minimum probability of misclassification especially with the variety of contamination percentage and different sample sizes and the data contaminated.

إنَّ دوال التمييز التقليدية قد درست من قبل العديد من الباحثين ووجدوا إنها أقل حصانة عند عدم تحقق بعض الفرضيات المتعلقة بدوال التمييز ولا سيما مع وجود القيم الشاذة، وقام الباحثون بالتركيز على مدى عشر سنوات على مقدرات حصينة كانت صعبة الحساب سابقاً لكن مع التطور في صناعة الحواسيب من الناحيتين المادية والبرمجية أمكن حساب مقدرات حصينة والتي تزودنا بأسلوب جديد في التعامل مع البيانات مقارنة مع المقدرات التقليدية، وكانت فكرة البحث استخدام مقدرات حصينة مقاومة لتأثير الشواذ كمقدر H الحصين، مقدر S الحصين ومقدر MCD الحصين كذلك تحصين احتمال خطا التصنيف مع بيان تأثير الشواذ على نسبة خطأ التصنيف عند استخدام الطرائق التقليدية، ومن ضمن أهداف البحث مقارنة المقدرات للتعرف على أفضل مقدر والذي يعطي أقل احتمال لخطأ التصنيف ولاسيما مع تنوع نسب التلويث وأحجام عينات مختلفة.

estimator --- MCD estimators --- misclassification --- robustness Use Robust estimators in discriminate functions --- مقدرات حصينة --- دوال تمييزية