تحلیل مدل های انتقالی طولی برای داده های ترتیبی با متغیرهای کمکی گم شده ی گسسته
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
شکلها از متن کامل مقاله برداشته شدهاند و حقوقشان از آنِ نویسندگان و ناشر است.
تحلیل پوششی داده ها (dea)یک روش غیرپارامتری است که مبتنی بر برنامه ریزی خطی می باشد و برای سنجش کارایی نسبی واحدهای تصمیم گیرنده (dmus)متجانس با چند ورودی و چند خروجی به کار می رود. مدل های dea واحدهای تصمیم گیرنده را به دو گروه واحدهای کارا و واحدهای ناکارا تقسیم می کنند. رتبه ب
در تحلیل داده ها بقا به طور کلی از دو مدل رگرسیونی استفاده می شود، مدل مخاطرات متناسب کاکس به عنوان یک مدل نیمه پارامتری و مدلهای زمان شکست شتابنده به عنوان مدل پارامتریک. اگر چه رگرسیون کاکس کاربردی ترین مدل در تحلیل بقا است، ولیکن مدلهای پارامتریک در برخی شرایط می توانند مناس
هدف اصلی در این پایان نامه ارائه و بررسی مدل توام برای داده های طول عمر سانسور شده است که در سال 1998 توسط elashoff، schenker و faucett به جهان علم عرضه شد. این روش ، روشی مناسب برای تجزیه و تحلیل داده های طول عمر سانسور شده با متغیرهای کمکی ثابت و وابسته به زمان می باشد که در آن
این پایان نامه در ابتدا انواع اندازه های کارایی شعاعی و غیرشعاعی در تحلیل پوششی داده ها را بررسی می کند. سپس یک مدل غیر شعاعی معرفی و نمایش داده می شود. در این مدل با متغیرهای کمکی به طور مستقل و جداگانه سروکار داریم و آنها را در یک اندازه کارایی جای می دهیم که اندازه بر پایه متغ
در بسیاری از آزمایه های بالینی و مطالعات اپیدمیولوژی اغلب داده های بقا به همراه اندازه های مکرر جمع آوری می شوند. در زمانی که هر دوی این خروجی ها از یک فرد مشخص ثبت شده باشند، استفاده از مدل های توام بقا و طولی مناسب می باشد. در این مطالعه، از یک سو کاربرد مدل-های توام بقا و طولی
ارتقاء روش¬های تحلیل داده¬های بقا به¬عنوان یکی از حوزه¬های علم آمار در سال¬های اخیر مورد توجه قرار گرفته است. این بدان خاطر است که در بسیاری از موقعیت¬های کاربردی، محققین تمایل به بررسی زمان لازم تا رخداد یک حادثه را دارند. یکی از هدف¬های اصلی در آنالیز داده¬های بقا، یافتن رابطه¬
مقدمه و هدف: داده های گمشده در بسیاری از مطالعات آماری از جمله مدلهای رگرسیونی وجود دارند و باعث کاهش دقت برآورد می شوند. تا کنون روشهای گوناگونی برای مقابله با مشکل داده های گمشده ابداع شده که عموما بر داده های گمشده متغیر پاسخ متمرکز بوده است حال آنکه متغیرهای پیشگو نیز می توان
مقدمه و هدف: داده های گمشده در بسیاری از مطالعات آماری از جمله مدلهای رگرسیونی وجود دارند و باعث کاهش دقت برآورد می شوند. تا کنون روشهای گوناگونی برای مقابله با مشکل داده های گمشده ابداع شده که عموما بر داده های گمشده متغیر پاسخ متمرکز بوده است حال آنکه متغیرهای پیشگو نیز می توان
تحلیل پاسخهای آمیختهی گسسته از موضوعات مهم آماری در شاخههای مختلف علوم به شمار میآید. از جمله متغیرهای گسسته میتوان به متغیرهای ترتیبی و متغیرهای دوجملهای بیش پراکنده اشاره کرد. دادهی دوجملهای بیشپراکنده مجموع آزمایشهای برنولی ناهمبسته با احتمال موفقیت برابر است. در این
چکیده زمینه و هدف: آنالیز چند سطحی روشی کارا برای تحلیل داده های پزشکی است که در بیش از یک سطح قرار گرفته اند، و در واقع حالت بسط داده شده از مدل های خطی تعمیم یافته می باشد که در آن علاوه بر مدل بندی متغیر پاسخ ضرایب رگرسیونی نیز مدل بندی می شوند. در این مقاله سعی داریم تا بصورت
چکیده زمینه و هدف: آنالیز چند سطحی روشی کارا برای تحلیل داده های پزشکی است که در بیش از یک سطح قرار گرفته اند، و در واقع حالت بسط داده شده از مدل های خطی تعمیم یافته می باشد که در آن علاوه بر مدل بندی متغیر پاسخ ضرایب رگرسیونی نیز مدل ...