فهرست مطالب
مجله علوم آماری
سال هفتم شماره 1 (پیاپی 13، بهار و تابستان 1392)
- تاریخ انتشار: 1392/04/14
- تعداد عناوین: 7
-
-
صفحات 1-24در برخی از مدل های نیمه پارامتری بقا که برای مدل بندی داده های بازگردنده بقا منعطف و مفید هستند، ضرایب متغیرهای موجود در مدل، وابسته به زمان هستند. در این مدل ها برآوردگرها به صورت بسته و دقیق به دست نمی آیند و باید از روش های تقریبی برای محاسبه آنها استفاده شود. شکل پیچیده این برآوردگرها، به دست آوردن توزیع آنها را ناممکن می سازد. در این موارد معمولا از نظریه مجانبی توزیع ها برای بررسی ویژگی های برآوردگرها استفاده می شود. در این مقاله، ضمن معرفی این مدل ها به تشریح برآورد پارامترهای آن، به کمک بسط تیلور و روش هسته، پرداخته، سازگاری و نرمال مجانبی بودن توزیع برآوردگرها نشان داده می شود. سپس عملکرد مدل و روش برآورد در یک مطالعه شبیه سازی ارزیابی می شود. در پایان کاربرد مدل با تحلیل داده های مربوط به شوک های واردشده به بیماران قلبی در یکی از بیمارستان های شهر مشهد نشان داده می شودکلیدواژگان: روش هسته، توزیع مجانبی، داده های بازگردنده، سازگاری، مدل نیمه پارامتری بقا، نرخ همگرایی
-
صفحات 25-44فرض کنید دو گروه از متغیرهای تصادفی در اختیارند که اولین گروه متغیرهای تصادفی مستقل و غیر هم توزیع و دیگری متغیرهای تصادفی مستقل و هم توزیع هستند. در این مقاله، در حالتی که حجم دو نمونه نابرابرند و تمامی متغیرها دارای توزیع نمایی هستند، شرایط لازم و کافی برای برقراری ترتیب متوسط باقی مانده عمر، ترتیب نرخ خطر و ترتیب پراکندگی، میان دومین آماره مرتب دو گروه، به دست آورده می شود. همچنین هنگامی که متغیرها از توزیع وایبول پیروی می کنند، ترتیب نرخ خطر، ترتیب پراکندگی و ترتیب نسبت درستنمایی میان دومین آماره مرتب این دو گروه، مورد بررسی قرار می گیرد. در انتها نیز بحث و نتیجه گیری ارائه می شودکلیدواژگان: سیستم (n، 1) از n، توزیع نمایی، توزیع وایبول، ترتیب نرخ خطر، ترتیب پراکندگی، ترتیب نسبت درستنمایی
-
صفحات 45-60در تحلیل داده های بقا، اگر در پایان مطالعه با درصد بالایی از سانسور مواجه شویم، چنانچه طول مدت مطالعه به اندازه کافی طولانی باشد، بهتر است از مدل های شفایافته استفاده شود. این مدل ها با ارائه فرایندی که بر اساس توزیع متغیر پنهان استوار است، در دهه اخیر مورد توجه قرار گرفته است. در این مقاله با درنظر گرفتن توزیع فوق هندسی تعمیم یافته دوجمله ای منفی برای متغیر پنهان مدل دیدی برای تحلیل داده های بقا طولانی مدت به دست می آید. برآورد بیزی پارامترهای مدل با روش های عددی زنجیر مارکوفی مونت کارلویی به دست آورده می شود. کاربرد مدل برای داده های کارآزمایی بالینی درمان بیماران مبتلا به سیروز کبدی و داده های شبیه سازی شده، نشان داده می شود. با معیار اطلاع انحرافی، مدل فوق هندسی تعمیم یافته دوجمله ای منفی برازش بهتری به داده ها را نشان می دهدکلیدواژگان: بقا طولانی مدت، مدل شفایافته زمان پیشرفت، توزیع فوق هندسی تعمیم یافته دوجمله ای منفی
-
صفحات 61-75در این مقاله، ابتدا دو برآوردگر جدید آنتروپی معرفی می شود. سپس آزمون نیکویی برازش فرضیه نمایی بودن توزیع جامعه برمبنای برآوردگرهای جدید معرفی می شود و توان آنها با توان سایر آزمون های برمبنای آنتروپی توزیع نمایی مورد مقایسه قرار می گیرد. نتایج مطالعات شبیه سازی نشان می دهد که برآوردگرهای پیشنهادی عموما عملکرد بهتری در مقایسه با سایر برآوردگرها در برآورد آنتروپی و آزمون نیکویی برازش دارندکلیدواژگان: آنتروپی، آزمون نیکویی برازش، فاصله کولبک لایبلر
-
صفحات 77-102در این مقاله تحلیل رگرسیونی با متغیر پاسخ دارای توزیع پواسون دومتغیره آمیخته با رهیافت بیزی مورد بررسی قرار گرفته است. نشان داده شده است که به دلیل شکل پیچیده تابع درستنمایی مبتنی بر توزیع پواسون دومتغیره، توزیع پسین فاقد شکل بسته بوده و پیچیده است. از این رو، توزیع های پسین شرطی کامل پارامترها محاسبه و الگوریتم گیبز برای نمونه گیری از توزیع پسین ارائه شده است. به منظور ارزیابی مدل بیزی پیشنهادی، مطالعه ای شبیه سازی انجام شده و کارایی براوردگرهای بیزی پیشنهادی برای پارامترهای مدل با همتای بسامدی آنها مقایسه شده است. همچنین، نحوه کاربست رهیافت بیزی پیشنهادی در قالب یک مثال کاربردی شرح داده شده و کارایی آن مورد ارزیابی قرار گرفته استکلیدواژگان: رگرسیون پواسون، توزیع آمیخته، الگوریتم، الگوریتم گیبز
-
صفحات 103-124
در تحلیل بیزی مدل های رگرسیون جمعی ساختاری که قالبی انعطاف پذیراز مدل های آماری در زمینه های کاربردی دارند توزیع های پسینی فرم بسته ای ندارند و استفاده از الگوریتم های مونت کارلوی زنجیر مارکوفی به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمان بر هستند. روش تقریب لاپلاس آشیانی جمع بسته می تواند با استفاده از تقریب های گاوسی و لاپلاس نیاز به شبیه سازی های سنگین را مرتفع سازد. در این مقاله نحوه لحاظ کردن همبستگی فضایی داده ها در مدل های رگرسیونی جمعی ساختاری و برآورد پارامترهای آن با تقریب لاپلاس آشیانی جمع بسته مورد مطالعه قرار می گیرند. سپس داده های جرم شهر تهران با این روش مدل بندی شده و در مطالعه ای شبیه سازی، دقت و سرعت محاسبه مدل های حاصل از تقریب لاپلاس آشیانی جمع بسته و الگوریتم های مونت کارلوی زنجیر مارکوفی مورد ارزیابی و مقایسه قرار می گیرند
کلیدواژگان: مدل رگرسیون جمعی ساختاری، تقریب لاپلاس آشیانی جمع بسته، الگوریتم های مونت کارلوی زنجیر مارکوفی -
صفحات 125-143یک روش آماری رایج برای دسته بندی، استفاده از مدل های رگرسیون لوژستیک است. این روش با درنظرگرفتن اثرات خطی از ویژگی های افراد یا اشیا به مدل سازی احتمالات پسین عضویت در هر دسته می پردازد. در عمل این گمان وجود دارد که اثرات غیرخطی ویژگی ها می توانند نقش موثری در دسته بندی صحیح مشاهدات داشته باشند. اما مسئله ای که در پی ورود اثرات غیرخطی به مدل لوژستیک مطرح می شود، برآوردیابی پارامترها است. تحقیقات در سال های اخیر با فرض اثرات غیرخطی مانند اثرات متقابل و توابع پایه شعاعی گاوسی در مدل، برای پاسخ به مسئله برآوردیابی، استفاده ترکیبی از ابزارهایی مانند شبکه های عصبی تکاملی و روش های برآوردیابی ماکسیمم درستنمایی را پیشنهاد کرده اند. در این مقاله نوعی از توابع پایه شعاعی با نام توابع چندربعی معکوس به عنوان اثرات غیرخطی در مدل لوژستیک در نظر گرفته می شود و با روش ترکیبی، پارامترهای مدل برآورد می شوند. آزمایشات تجربی برای مقایسه مدلهای پیشنهادی در این مقاله، با استفاده از داده های پزشکی و داده های واقعی مربوط به یک کارخانه تولید فولاد انجام گرفته است. نتایج نشان می دهد که حضور توابع چندربعی معکوس نسبت به توابع گاوسی در مدل، میتواند باعث افزایش دقت دسته بندی شودکلیدواژگان: دسته بندی، رگرسیون لوژستیک، توابع چندربعی معکوس، شبکه های عصبی تکاملی
-
Pages 1-24In some semiparametric survival models with time dependent coefficients، a closed-form solution for coefficients estimates does not exist. Therefore، they have to be estimated by using approximate numerical methods. Due to the complicated forms of such estimators، it is too hard to extract their sampling distributions. In such cases، one usually uses the asymptotic theory to evaluate properties of the estimators. In this paper، first the model is introduced and a method is proposed، by using the Taylor expansion and kernel methods، to estimate the model. Then، the consistency and asymptotic normality of the estimators are established. The performance of the model and estimating procedure are evaluated by a heavy simulation study as well. Finally، the proposed model is applied on a real data set on heart disease patients in one of the Mashhad hospitals.Keywords: Asymptotic distribution, Consistency, Kernel method, Rate of convergence, Recurrent event data, Survival semiparametric model
-
Pages 25-44Suppose there are two groups of random variables، one with independent and non-identical distributed and another with independent and identical distributed. In this paper، for the case when the size of groups are not equal، and all of the underlying random variables have exponential distribution، the necessary and sufficient conditions are obtained for establishing the mean residual life، hazard rate and dispersive orders between the second order statistics of two groups. Moreover، when random variables follow the Weibull distribution، the hazard rate، dispersive and likelihood ratio order between the second order statistics from two groups are investigated.Keywords: (n, 1), out, of, n system, Exponential distribution, Weibull distribution, Hazard rate order, Dispersive order, Likelihood ratio order
-
Pages 45-60On Hypergeometric Generalized Negative Binomial Distribution in Promotion Time Cure Model In analysis of survival data if exposes a high percentage of censoring due to termination of the study، whereas the study has lasted long enough، it is preferred to utilize cure models. These models، which are based on the latent variable distribution، has obtained much attention in the last decade. In this paper the Hypergeometric Generalized Negative Binomial distribution of the latent variable is used to model the long time survival data. The new model parameters are estimated in Bayesian approach. This model is applied for a Primary Biliary Cirrhosis clinical trial data and a simulated data set. With respect to DIC، Hypergeometric Generalized Negative Binomial model is a suitable fit to the data.Keywords: Long, term survivors, Promotion time cure model, Hypergeometric generalized negative binomial
-
Pages 61-75In this paper، two new entropy estimators are proposed. Then، entropy-based tests of exponentiality based on our entropy estimators are introduced. Simulation results show that the proposed estimators and related goodness of fit tests have good performances in comparison with their leading competitors.Keywords: Entropy, Goodness of fit test, Kullback, Liebler distance
-
Pages 77-102In this paper the regression analysis with finite mixture bivariate poisson response variable is investigated from the Bayesian point of view. It is shown that the posterior distribution cannot be written in a closed form due to the complexity of the likelihood function of bivariate Poisson distribution. Hence، the full conditional posterior distributions of the parameters are computed and the Gibbs algorithm is used to sampling from posterior distributions. A simulation study is performed in order to assess the proposed Bayesian model and its efficiency in estimation of the parameters is compared with their frequentist counterparts. Also، a real example presented to illustrate and assess the proposed Bayesian model. The results indicate to the more efficiency of the estimators resulted from Bayesian approach than estimators of frequentist approach at least for small sample sizes.Keywords: Poisson regression, Mixture distribution, EM algorithm
-
Pages 103-124
In Bayesian analysis of structured additive regression models which are a flexible class of statistical models، the posterior distributions are not available in a closed form، so Markov chain Monte Carlo algorithm due to complexity and large number of hyperparameters takes long time. Integrated nested Laplace approximation method can avoid the hard simulations using the Gaussian and Laplace approximations. In this paper، consideration of spatial correlation of the data in structured additive regression model and its estimation by the integrated nested Laplace approximation are studied. Then a crime data set in Tehran city are modeled and evaluated. Next، a simulation study is performed to compare the computational time and precision of the models provided by the integrated nested Laplace approximation and Markov chain Monte Carlo algorithm
Keywords: Structured additive regression model, Integrated nested Laplace approximation, Markov chain Monte Carlo -
Pages 125-143Logistic regression models in classification problems by assuming the linear effects of covariates is a modeling for class membership posterior probabilities. The main problem that includes nonlinear combinations of covariates is maximum likelihood estimation (MLE) of the model parameters. In recent investigations، an approach of solving this problem is combination of neural networks، evolutionary algorithms and MLE methods. In this paper، another type of radial basis functions، namely inverse multiquadratic functions and hybrid method، are considered for estimating the parameters of these models. The experimental results of comparing the proposed models show that the inverse multiquadratic functions compared to the Gaussian functions have better precision in classification problems.Keywords: Classification, Logistic regression, Inverse multiquadratic functions, Evolutionary neural networks
©2000-2024 magiran.com All Rights Reserved.