در این مقاله به کمک استنباط بیزی رفتار گذرای یک سامانه ی صف بندی با یک سرویس دهنده را بررسی می کنیم که در آن توزیع های مدت زمان بین دو ورود متوالی و زمان سرویس دهی نامعلوم است. این توزیع ها به وسیله ی یکی از اعضای خانواده ارلنگ تعمیم یافته ی آمیخته1 (mge) تقریب زده می شوند. با بازنویسی پارامترهای مدل و امکان استفاده از یک توزیع پیشین نااگاهی بخش، به کارگیری روش های مونت کارلوی زنجیره مارکوفی فر...

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 هستند که دارای مقادیر گمشده است. گمشدگی تهدید عمده ای برای درستی نتایج حاصل از مجموعه داده ها محسوب می شوند و اجتناب از آ...

پدیده خوشه بندی واریانس شرطی در بسیاری از سری های زمانی ‏مالی مشاهده می شود و این پدیده را می توان براساس مدل بندی واریانس و کواریانس شرطی متغیر در زمان تحلیل نمود. ‎‎یکی از اعضای این کلاس مدل خود بازگشتی واریانس شرطی مشاهده نشده ‎‎‎‎(u-arch)‎ ‎‏ است‏، که به وسیله شفارد (1996) معرفی شد. در این مدل مولفه های ‎‎‎‎arch‎‎‏ با خطا مشاهده می شوند و یا ممکن است به عنوان یک فرآیند پنهان دیده شوند. بر...

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 هستند که دارای مقادیر گمشده است. گمشدگی تهدید عمده ای برای درستی نتایج حاصل از مجموعه داده ها محسوب می شوند و اجتناب از آ...

با استفاده از روش مونت کارلوی زنجیر مارکوفی (mcmc)،فرایند نقطه ای شبیه سازی می کنیم که توزیع آن همان توزیع هدف ما باشد و برای مدل هایی که بدست آوردن براورد ماکسیمم درست نمایی آنها به روش کلاسیک امکان پذیر نیست روش mcmc را به کار برده و برورد آنهارا بدست می آوریم

در اکثر مطالعات وآزمایشات پزشکی و رشته های دیگر با متغیر پاسخ دوتایی روبرو هستیم به اینصورت که متغیر پاسخ(y) فقط دو مقدار را می پذیرد. به عنوان مثال، در یک آزمایش پزشکی بعد از پایان دوره درمان بیمار یا بهبود خواهد یافت (y=1)یا بهبود نخواهد یافت (0y=) . بطور کلی در این مطالعات با دو برآمد " شکست " و" پیروزی" سرکار داریم.در این مواقع مدل رگرسیون خطی مناسب نبوده و از مدل رگرسیون لجستیک (که به دلای...

  تاکنون مساله آشکارسازی سیگنال با استفاده از نظریه میدان های تصادفی توسط گروهی از آمارشناسان مورد بررسی قرار گرفته است. در این مقاله برآورد نقطه ای پارامترهای سیگنال یک میدان تصادفی گاوسی فضای مقیاس به روش بیزی را مورد بررسی قرار می دهیم. با توجه به پیچیدگی توزیع پسین پارامترهای این مدل و عدم وجود فرم بسته برای آن، با استفاده از روش مونت کارلوی زنجیر مارکوفی ( MCMC )، برآوردهای مذکور را تقریب ...

روش مونت کارلو زنجیر مارکوفی (mcmc) را برای استنباط بیزی فرآیندهای تلاطم تصادفی ارنشتاین – النبک غیر گاووسی گسترش می دهیم. همچنین برای فرآیند تلاطم تصادفی فرآیند لوی پشت زمینه ای، پواسن مرکب در نظر گرفته می شود. در این پایان نامه در ابتدا دو روش بر اساس الگوریتم های متروپلیس – هستینگس (m-h) و گیبس، که از بهترین الگوریتم های mcmc هستند، با عنوان روش های مرکزی و غیر مرکزی ارائه می شوند. آن گاه ا...

یک کلاس مهم از فرایندهای نقطه ای فضایی کلاس فرایندهای نقطه ای مارکوف است. از آنجا که ثابت نرمال کننده ی چگالی های این فرایند های نقطه ای نامعلوم است، استنباط پارامتری برای این مدل ها با استفاده از روش های معمول امکان پذیر نیست. یک مورد خاص زمانی است که بخواهیم براوردگر بیزی پارامترهای این مدل ها را به دست آوریم. مولر و همکاران (2004) یک روش زنجیر مارکوف مونت کارلوی جدید برای نمونه گیری از توزیع...

در این مقاله، یک روش عددی برای حل مساله کنترل بهینه تصادفی با استفاده از زنجیرهای مارکوف ارائه شدهاست. بدین ترتیب که، ابتدا فرایند پخش کنترلی وضعیت سیستم با استفاده از یک زنجیر مارکوف کنترلی روی یک فضای وضعیت متناهی تقریب زده میشود. سپس تقریبی از تابع هزینه اولیه با استفاده از این زنجیر مارکوف تقریبی، بهدست میآید. برای اثبات همگرایی روش و یافتن یک زنجیر مارکوف تقریبی مناسب برای فرایند پخش، باید...