تحقیق روش بیزی Bayesian و مدل رگرسیون

تحقیق دانلودی حاضر دارای 5 مقاله در مورد روش بیزی Bayesian و مدل رگرسیون است. در زیر بخشهای چکیده هر مقاله برای نمونه آورده شده است.

برآورد بیزی پارامترهای مدل رگرسیون با خطاهای خود همبسته فضایی

معمولاً در آنالیز رگرسیون فرض بر این است که خطاهای الگو مستقل هستند، اما در عمل گاهی با مواردی مانند داده های فضایی مؤاخذه می شویم که خطاهای مدل همبسته هستند و ساختار همبستگی آنها تابعی از موقعیت قرار گرفتن مشاهدات در فضای مورد مطالعه است از اینگونه مدلها که رگرسیون فضایی نام دارند، برای تعیین رویه ها در زمین شناسی، باستان شناسی، همه گیر شناسی و پردازش تصاویر استفاده می شود. در این مسأله مدل رگرسیون فضایی با خطاهای خود همبسته فضایی مرتبه اول با استفاده از رهیافت بیزی مورد بررسی قرار می گیرد. از آنجا که تعیین توزیع پسین پارامترها دشوار می باشد، برای برآورده بهای پارامترها و پیش بینی بیزی مشاهدات از روش MCMC استفاده شده است، سپس نحوه اجرا و کارایی روشهای ارائه شده در یک مطالعه شبیه سازی برای حجم نمونه و اندازه های شبکه های مختلف مورد بررسی قرار گرفته است.

واژه های کلیدی : خطاهای خود همبسته فضایی، روشهای MCMC، نمونه گیری گیبس، الگوریتم متروبلیس- هاستینگس.

کاربرد روش بیزی در برآورد پارامترهای مدل رگرسیون لجستیک با مقادیر گمشده تصادفی در متغیر کمکی

چکیده :

زمینه و معرف : رگرسیون لجستیک مدلی عمومی برای تحلیل داده های پزشکی و اپیدمیولوژیکی می باشد و اخیراً محققین معدودی تحقیقات خود را به تحلیل مدل های رگرسیون لجستیک با وجود مقادیر گمشده در متغیرهای کمکی معطوف داشته اند. در بسیاری از پژوهش ها محققین با مجموعه داده هایی مواجه هستند که دارای مقادیر گمشده است. گمشدگی تهدید عمده ای برای درستی نتایج حاصل از مجموعه داده ها محسوب می شوند و اجتناب از آن بسیار مشکل است.

مواد و روش کار : ساتن و کارول تابع درستنمایی ویژه ای را برای برآورد پارامترهای مدل رگرسیون لجستیک وقتی که برخی متغیرهای کمکی با مقادیر گمشده از نوع مکانیسم گمشدگی تصادفی (MAR) باشند و سایر متغیرها به طور کامل مشاهده شده باشند، معرفی کرده اند. در این پژوهش از این تابع درستنمایی در تحلیل بیزی برای برآورد پارامترهای مدل رگرسیون لجستیک استفاده شده است و نتایج به دست آمده با روش های جانهی چندگانه و واحد کامل مقایسه شده است.

یافته ها : روش های مذکور را بر روی داده های شبیه سازی شده و داده های دندانپزشکی اجرا کرده و نتایج مقایسه ها نشان داد که برآوردهای به دست آمده از

روش بیزی دارای انحراف معیار کوچکتری نسبت به دو روش دیگر می باشند.

نتیجه گیری : پس از مقایسه نتایج حاصل از سه روش مذکور نتیجه گرفته شد که اگر مکانیسم گمشدگی تصادفی باشد، به کارگیری تحلیل بیزی با تکنیک زنجیرهای مارکوف موقت کارلویی (MCMC) منجر به برآوردهای دقیق و فاصله اطمینان کوتاه تری نسبت به روش جانهی چندگانه و روش واحد کامل می شود.

واژه های کلیدی : رگرسیون لجستیک، گمشدگی تصادفی (MAR) تحلیل بیزی، زنجیرهای مارکوف مونت کارلویی (MCMC)، جانهی چندگانه، DMFT

مدل بیزی سلسله مراتبی برای جدول های پیشایندی 2*2

یک مدل بیزی سلسله مراتبی برای تحلیل جدول های پیشایندی 2*2 معرفی و با استفاده از آن به استنباط درباره پارامتر همبستگی، لگاریتم نسبت بخت، پرداخته شده است. برای استخراج نمونه تصادفی از توزیع پسینی لگاریتم نسبت بخت از روش محاسباتی نمونه گیر استفاده شده است. برای آزمون استقلال چگونگی استفاده از مدل بیزی سلسله مراتبی در محاسبه عامل بیزی نیز معرفی و در یک مثال کاربردی به کار برده شده است.

واژه های کلیدی : توزیع فوق هندسی نامرکزی، آزمون فیشر، بیزی سلسله مراتبی، عامل بیزی، نمونه گیری پذیرش- رد.

برآورد بیزی تابع تاوان در آزمون همگنی مدل های آمیخته

چکیده : برای آزمون فرضیه همگنی مدل های آمیخته، معمولاً از آزمون نسبت درستنمایی اصلاح شده که مبتنی بر افزودن یک تابع تاوان مناسب به تابع لگ درستنمایی می باشد، استفاده می شود. کارایی این آزمون به شدت تحت تأثیر شکل تابع تاوان انتخابی است. انتخاب تابع تاوان در این نوع آزمون معمولاً براساس پرهیز از پیچیدگی و میسر بودن برآورد پارامترها صورت می پذیرد، که لزوماً نتایج مطلوبی بدنبال ندارد. در این مقاله یک تابع تاوان جامع در نظر گرفته شده است، که دارای یک پارامتر تعیین کننده ی شکل است. سپس پارامتر تعیین کننده ی شکل این تابع تاوان و پارامترهای مدل آمیخته با در نظر گرفتن توزیع های پیشین مناسب برای آن ها با استفاده از رهیافت بیزی، بصورت پسینی برآورد شده اند. نشان داده شده است که رهیافت بیزی پیشنهادی در برآورد پارامترهای مدل، در مقایسه با رهیافت بسامدی، به مراتب کارایی مطلوب تری دارد. این کارایی خصوصاً در شرایط شناخت ناپذیری توزیع آمیخته که روش های بسامدی کارایی اندکی دارند، بیشتر است.

واژه های کلیدی : آزمون نسبت درستنمایی، تابع تاوان، الگوریتم EM، زنجیرهای مارکوف مونت کارلویی.

مقایسه روش بیزی (Bayesian) و کلاسیک در برآورد پارامترهای مدل رگرسیون لجستیک با وجود مقادیر گمشده در متغیرهای کمکی

چکیده :

زمینه و هدف : رگرسیون لجستیک ابزاری تحلیلی است که به طور وسیعی در تحقیقات پزشکی و اپیدمیولوژیک کاربرد دارد در بسیاری از مطالعات با مجموعه داده هایی مواجه می شویم که بخشی از آنها گزارش نشده اند یا به عبارت دیگر گمشده می باشند. ساده ترین روش برای تجزیه و تحلیل چنین داده هایی صرف نظر کردن از موردهای دارای مقادیر گمشده و ادامه آنالیز با داده های کامل می باشد که این روش، در عمل کارآمد نیست.

در این مطالعه روشی برای آنالیز مدلهای رگرسیون لجستیک وقتی که مقادیر متغیر کمکی Z به طور کامل مشاهده شده و مقادیر متغیر کمکی X برای برخی از افراد تحت مطالعه گمشده باشند ارائه شده است. وقتی مقادیر X به طور تصادفی گمشده (MAR) باشند، مدل تابع درستنمایی ارائه شده برای کل داده های مشاهده شده موجود، همانند زمانی که داده ها کامل و بدون گمشدگی اند. عمل می کند.

واژگان کلیدی : رگرسیون لجستیک، گمشدن تصادفی (MAR)، ماکزیمم درستنمایی، زنجیره های مارکوف مونت کارلویی (MCMC)، روش بیزی، اختلالات تنفسی.