پایان‌نامه

مدل بندی داده های بقا طولانی مدت با استفاده از مفصل

چکیده

داده های بقا چند متغیره در بسیاری از زمینه مختلف علمی به کار می روند. برای در نظر گرفتن ساختار وابستگی میان زمان های بقا روش های مختلفی وجود دارد. یکی از روش هایی که در سال های اخیر برای مدل سازی داده های بقا چند متغیره مورد استفاده قرار گرفته است، تابع مفصل می باشد. مفصل ها توابعی هستند که توزیع های حاشیه ای را به توزیع توام آن ها پیوند می دهند. در آنالیز بقا فرض می شود که تمام افراد تحت مطالعه پیشامد مورد نظر را تا پایان مطالعه تجربه می کنند، اما ممکن است که پیشامد مورد علاقه برای تمام افراد رخ ندهد. این افراد به عنوان افراد شفایافته، مصون و یا غیر مستعد شناخته می شوند. مدل هایی که قسمتی از یک جامعه شفایافته را در نظر می گیرند، معمولا مدل های بقا طولانی مدت یا شفایافته نامیده می شوند. رایج ترین نوع مدل های شفایافته مدل شفایافته آمیخته می باشد. در این پایان نامه هدف مدل سازی داده های بقا دو متغیره ی شفایافته به کمک تابع مفصل می باشد، برای این منظور در این پژوهش از توابع مفصل ارشمیدسی کلایتون، گامبل، فرانک و تابع مفصل فارلی – گامبل – مرگنسترن استفاده شده است. گاهی اوقات مشاهدات زمان بقا از خوشه هایی به دست می آیند که به هم وابسته هستند این وابستگی به دلیل متغیرهای کمکی اندازه گیری نشده ای است که در خوشه ها مشاهده نشده اند. این وابستگی را می توان از طریق اثر تصادفی که در مدل های بقا، شکنندگی نامیده می شود در مدل وارد نمود. در پایان مدل های شفایافته آمیخته با استفاده از تابع مفصل را بر روی داده های پیوند قرنیه دو طرفه و مدل های شفایافته آمیخته با استفاده از تابع مفصل با اثر تصادفی را بر روی داده های فاصله تولد در شهر اهواز که مشاهدات فواصل تولد به صورت خوشه ای به دست آمده اند، مدل سازی می کنیم. برای انتخاب بهترین مدل برازش داده شده به داده ها از معیار اطلاع انحراف (dic) استفاده شد.

اساتید راهنما و مشاور

محمدرضا آخوند

اسناد مشابه

  • مدل سازی داده‌های بقا طولانی مدت با استفاده از تابع مفصل کلایتون برروی داده‌های پیوند قرنیه دو طرفه

    مقاله۲۰۱۹اندیشه آماریمرضیه روزبهانی، محمدرضا آخوند

    یکی از شایعترین علل پیوند قرنیه در ایران قوز قرنیه است. قوز قرنیه یک پدیده غیر التهابی است که معمولاً قرنیه هر دو چشم را گرفتار می‌کند. از آن‌‌جایی که در پیوند قرنیه ممکن است نسبتی از افراد عضو پیوندی را دفع نکنند و به‌عنوان افراد مصون یا شفایافته در نظر گرفته می‌شوند. در این صور

  • تحلیل بیزی مدل های شکنندگی در بررسی داده های بقا طولانی مدت

    مقاله۲۰۱۵مدلسازی پیشرفته ریاضیفرزاد اسکندری، میترا رحیم زاده

    در تحلیل داده­ های بقا طولانی مدت دو دسته از مدل­ ها با نام مدل­های شفایافته آمیخته و ناآمیخته ارائه‌ شده‌اند. از آنجایی که استفاده از مدل­های شفایافته آمیخته در رویکرد بیزی دارای معایبی است، از جمله می­توان به عدم اطمینان از شناسایی پذیری بودن پارامترهای واقعی جامعه و همچنین ایج

  • طبقه بندی داده های ابرطیفی با استفاده از مشتق گیری در فضای طیفی و استفاده از روش های کدگذاری

    مقالهسنجش از دور و gis ایرانمصطفی اوجاقلو، دانشگاه خواجه نصیرالدین طوسی محمدرضا مباشری، دانشگاه خواجه نصیرالدین طوسی یوسف رضائی، دانشگاه بوعلی سینا

    روش های متعددی برای استخراج اطلاعات از داده های ابرطیفی وجود دارند که از آن جمله می توان به روش مشتق گیری از طیف بازتابندگی و استفاده از روش های کدگذاری اشاره کرد. در این تحقیق با مشتق گیری از طیف بازتابندگی، فرکانس های پایین طیف- که عموتاً دارای اطلاعات مفیدی نیستند- حذف گردیده

  • معرفی یک روش بهینه جهت خوشه بندی جز ءبندی داده های فراطیفی با استفاده از الگوریتم بهینه سازی توده ذرات

    مقالهعلوم و فنون نقشه برداریامین علیزاده نائینی، a. alizadeh naeini department of geomatics, faculty of engineering, university of tehran, north kargar street, tehran, iranدانشگاه تهران، گروه نقشه برداری محمد سعادت سرشت، m. saadatseresht department of geomatics, faculty of engineering, university of tehran, north kargar street, tehran, iranدانشگاه تهران، گروه نقشه برداری سعید همایونی، s. homayouni department of geography, university of ottawa, ottawa, canada, k1n 6n5دانشگاه اتاوا، کانادا ابوالفضل جمشیدزاده

    یکی از موفقیت آمیز ترین کاربردهای داده‎های فراطیفی، طبقه بندی آنها و تولید نقشه های پوشش زمین بدون نیاز به داده های واقعیت زمینی است. در میان روش های مختلف طبقه بندی غیرنظارت شده، روش های جزءبندی به دلیل سرعت و عملکرد بالا در خوشه بندی داده های فراطیفی مورد توجه قرار گرفته اند. ع

  • مدل بندی داده های فازی با رگرسیون اسپلاین تطبیقی چندگانه

    مقالهمجله علوم آماریجلال چاچی، jalal chachi department of mathematics, statistics and computer sciences, semnan university, semnan, iran.گروه آمار، دانشگاه سمنان غلامرضا حسامیان، gholamreza hesamian department of statistics, payame noor university, tehran, iran.گروه آمار، دانشگاه پیام نور

    در این مقاله به مدل بندی داده های ورودی دقیق-خروجی فازی پرداخته می شود و رویکرد رگرسیون مارس فازی با پارامترهای دقیق و جملات خطای فازی معرفی می گردد. روش پیشنهادی شامل دو مرحله است: در مرحله اول با استفاده از رگرسیون اسپلاین تطبیقی چندگانه (مارس) مراکز متغیر وابسته برآورد می شوند

  • مدل بندی داده های شمارشی تحت تأثیر بیش پراکنش با مدل رگرسیون پواسون- بیرنبام ساندرز

    مقالهمجله علوم آماریرضا پورموسی، reza pourmousa department of statistics, shahid bahonar university, kerman, iran.گروه آمار، دانشگاه شهید باهنر کرمان نرجس گیلانی، narjes gilani department of statistics, shahid bahonar university, kerman, iran.گروه آمار، دانشگاه شهید باهنر کرمان

    در این مقاله ابتدا به معرفی مدل های رگرسیون پواسون آمیخته پرداخته و در ادامه به معرفی یک مدل جدید به نام رگرسیون پواسون-بیرنبام ساندرز با هدف لحاظ کردن مسئله بیش پراکنش در مدل بندی داده های شمارشی پرداخته می شود. از آن جا که توزیع بیرنبام ساندرز آمیخته ای از دو توزیع گاوسی وارون