برآورد پارامترهای مدل رگرسیون خطی ساده با استفاده از متغیرهای تصادفی فازی

کاربرد روش بیزی در برآورد پارامترهای مدل رگرسیون لوجستیک با مقادیر گمشده تصادفی (mar) در متغیر کمکی

رگرسیون لوجستیک مدلی عمومی برای تحلیل داده های پزشکی و اپیدمیولوژیکی می باشد و اخیراً محققین معدودی تحقیقات خود را به تحلیل مدل های رگرسیون لوجستیک 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

مدل رگرسیون خطی موزون برای متغیر پاسخ فازی lr

پایان نامه موجود شامل چهار فصل می باشد که مدل رگرسیون خطی را با متغیر پاسخ فازی ‎lr‎‎ ‏‎ ‎مطرح‎ می کند. فصل اول شامل کلیات و مفاهیم مورد نیاز فصل های بعد می باشد‏، در این فصل تعاریف مقدماتی مجموعه های فازی و فاصله ی بین مجموعه های مطرح شده است. در فصل دوم‏، ابتدا مدل رگرسیون کاپی

مدل رگرسیون خطی بر اساس داده های فازی فاصله ای-مقدار

رگرسیون یکی از ابزارهای کارآمد در آمار است که برای تحلیل داده ها و یافتن ارتباط بین متغیرها مورد استفاده قرار می گیرد. در مدل های رگرسیونی فرض می شود که متغیرها و مشاهدات مربوط به آن ها اعداد دقیقی هستند. اما ممکن است در برخی بررسی ها، مشاهدات مربوط به یک یا چند متغیر نادقیق باشن

برآورد پارامترهای مدل های خطی دومرحله ای منظم از دیدگاه عملگر تصویر عمود

چکیــده مدل¬های خطی چند مرحله¬ای به ویژه دو مرحله¬ای دارای اهمیت زیادی هستند به طوری که می¬توانند در بسیاری از پژوهش¬های علمی مورد استفاده قرار گیرند. با وجود اینکه چند سال از تعریف نظریه مدل¬های خطی دو مرحله¬ای به وسیله¬ی کاباسک (1986) و ولافوا (1987) گذشته، اما با توجه به عبارا

برآورد پارامترهای مدل های خطی زمانی که متغیرها دستخوش خطای اندازه گیری هستند

برآورد مدل رگرسیون ساده خطی برای متغیرهای تصادفی فازی

یک مسأله اساسی درباره متغیرهای تصادفی، برآورد تابعی وابسته از متغیر پاسخ روی یک مجموعه از متغیرهای مستقل، بر مبنای n مشاهده توأم است. در این پژوهش، نوعی از مدل رگرسیون خطی ساده فازی بررسی می گردد که در آن، هر دو سری از داده های ورودی و خروجی می توانند زیرمجموعه هایی فازی از r^p ب

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

چکیده زمینه و هدف: رگرسیون لوجستیک مدلی عمومی برای تحلیل داده های پزشکی و اپیدمیولوژیکی می باشد و اخیراً محققین معدودی تحقیقات خود را به تحلیل مدل های رگرسیون لوجستیک با وجود مقادیر گمشده در متغیرهای کمکی معطوف داشته اند. در بسیاری از پژوهش ها محققین با مجموعه داده هایی مواجه هست

برآورد ضرایب مدل رگرسیون خطی با استفاده از برآوردگرهای انقباضی نوع-لیو

این مقاله برآوردگرهای انقباضی نوع-لیو را برای ضرایب مدل رگرسیونی خطی با حضور هم خطی چندگانه تحت اطلاعات زیرفضا پیشنهاد می‌دهد. عملکرد برآوردگرهای معرفی شده از نظر کارایی نسبی آن‌ها از طریق شبیه سازی مونت کارلو و یک مجموعه داده واقعی با برآوردگر نوع-لیو مقایسه می‌شود. نتایج آشکار

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

Abstract Background & Objectives: Logistic Regression is a general model for medical and epidemiological data analysis. Recently few researchers have directed their studies to analysis of Logistic Regression with missing value at covariate variable. While the missing is a major t

برآورد پارامترهای مدل رگرسیون لوژستیک ساخته شده با شبکه های عصبی واحد ضربی تکاملی

یکی از ابزارهایی که برای تعیین اثرات غیرخطی و اثرات متقابل بین متغیرهای تبیینی در یک مدل رگرسیون لوژستیک به کار می ­ رود، استفاده از شبکه ­ های عصبی واحد ضربی تکاملی است. به منظور برآورد پارامترهای مدلی که بدین صورت به دست می ­ آید، یک روش ترکیبی مورد استفاده قرار می ­ گیرد؛ این

برآورد پارامترهای مدل رگرسیون لوژستیک به کمک آنتروپی ماکسیمم تعمیم یافته

هنگام کار با یک مجموعه داده رگرسیونی ممکن است برخی شرایط برقرار نباشند و محدودیت‌هایی برای اجرای مدل رگرسیون به وجود آیند. روش آنتروپی تعمیم‌یافته ماکسیمم قادر است پارامترهای مدل رگرسیونی را بدون اعمال هیچ شرطی روی توزیع احتمال خطاها برآورد کند. این روش حتی در مواردی که حجم نمونه

برآورد پارامترهای مدل رگرسیون لوژستیک ساخته شده با شبکه‌های عصبی واحد ضربی تکاملی

یکی از ابزارهایی که برای تعیین اثرات غیرخطی و اثرات متقابل بین متغیرهای تبیینی در یک مدل رگرسیون لوژستیک به کار می ­ رود، استفاده از شبکه ­ های عصبی واحد ضربی تکاملی است. به منظور برآورد پارامترهای مدلی که بدین صورت به دست می ­ آید، یک روش ترکیبی مورد استفاده قرار می ­ گیرد؛ این