وجود داده‌های گمشده در بیش‌تر آمارگیری‌ها امری اجتناب‌ناپذیر است. اما در تمامی طرح‌های آماری قبل از اجرای آن، مطمئناً راهکار مناسبی برای برخورد با این مشکل در نظر گرفته می‌شود. از جمله مواردی که برای برخورد با داده‌های گمشده در نظر گرفته می‌شود، جانهی و وزن‌دهی است که هر کدام مزیت‌ها و مشکلاتی دارند، اما استفاده از مجموعه داده‌ای که هیچ‌یک از این دو روش را در تحلیل به کار نگیرد، منجر به اریبی بر...

هدف اصلی در این پایان نامه‏، مقابله با داده های گم شده در مجموعه داده های حاوی گم شدگی است. در این راستا از روش جانهی استفاده می کنیم و سپس تاثیر مقادیر جانهی شده در زمینه رده بندی و پیش بینی‏ را با استفاده از نگرش بیزی ارزیابی می کنیم.

در طول 2۵ سال گذشته پیشرفت های روش شناسانه ای در زمینه ی تیمار داده های گم شده صورت گرفته است. بیش تر مطالعه های انتشاریافته روی داده های گم شده در متغیرهای وابسته تحت شرایط گوناگون تمرکز داشته اند. مطالعه ی حاضر در پی آن است که این خلأ را با مقایسه ی دو رهیافت برای برخورد با داده های گم شده در متغیرهای کمکی رسته ای در رگرسیون لوژستیک پر کند: روش امید ریاضی- ماکسیمم سازی (em) وزن ها و جانهی چند...

یکی از مشکلاتی که محققان و تحلیلگران با آن مواجهه هستند، وجود داده های گمشده یا اصطلاحاً گمشدگی اطلاعات می باشد. یکی از روشهای حل مشکل گمشدگی، جانهی رگرسیونی می باشد. در این پایان نامه جانهی رگرسیون ناپارامتری و نیمه پارامتری مورد بررسی قرار گرفته و نیز برآوردگرهایی برای پارامترهای مدل ارایه شده است. از اینرو ابتدا، روشهایی برای برآورد پارامترهای مدل رگرسیون ناپارامتری و نیمه پارامتری، ارایه شده...

هدف از این تحقیق ارزیابی مدل­های تک-صفتی و چند-صفتی در سناریوهای مختلف ژنومی با در نظر گرفتن جانهی جهت برآورد صحت پیش­بینی ژنومی و تشخیص وجود اثر متقابل ژنوتیپ و محیط (G × E) بود. داده‌های ژنومی با تعداد متفاوت جایگاه­های صفات کمی (90 و 900) و سطوح مختلف عدم تعادل پیوستگی (کم و زیادLD = ) برای تراکم K50 شبیه‌سازی شدند. سپس به‌طور تصادفی 90 درصد نشانگرها حذف و در مرحله بعد این نشانگرها از طریق ن...

در تحلیل داده‌ها، گاهی برخی مشاهدات به دلایل گوناگون و روش‌های متفاوت، گمشده محسوب می‌شوند. چگونگی برخورد با این مشاهدات در تحلیل داده‌ها، به دلیل اهمیت نتایج حاصل از آنها به‌ویژه در تصمیم‌گیری‌های حساس، از اهمیت به‌سزایی برخوردار است. پیش از این، برای غلبه بر مشکل داده‌های گمشده مرسوم‌ترین روش، حذف داده‌های گمشده بود که منجر به داده‌هایی با کیفیت پایین و به تبع آن تحلیل و استخراج نتایج دارای س...

 چکیده. داده‌های گم‌شده مشکلی رایج در پژوهش‌های مبتنی بر آمارگیری است. بسته‌های بسیاری وجود دارند که داده‌های گم‌شده را جبران می‌کنند اما تعداد کمی می‌توانند به‌راحتی اطلاعات طولی گم‌شده را جبران کنند. WinBUGS داده‌های گم‌شده را با استفاده از جانهی چندگانه جبران می‌کند و قادر است ساختار طولی را با استفاده از اثرات تصادفی یکپارچه کند. ما برتری جانهی طولی بر جانهی مقطعی را با استفاده از WinBUGS ن...