استنباط آماری برای مدلهای آمیخته
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
- نویسنده علی اعتمادی
- استاد راهنما افشین فیاض موقر غلامحسین غلامی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
در فصل 1 به معرفی استنباط بیزی پرداخته ایم در فصل 2 انتگرال گیری مونت کارلو را بررسی کرده ایم و در فصل 3 مدلهای اهیخته را معرفی و به انجام استنباط بیزی برای این مدلها پرداخته ایم.
منابع مشابه
استنباط های آماری در مدلهای رگرسیون لجستیک
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...
15 صفحه اولاستنباط آماری برای مفاصل
تعیین وابستگی در مدل های چند متغیره یک مسئله مهم در آمار است. مفاصل یک روش خیلی مفید برای مدل بندی وابستگی در مدل های چند متغیره می باشند. امروزه در علوم مختلفی از جمله تحلیل بقا، امور مالی و بیمه آمار مفاصل کاربرد بسیار زیادی دارند. در این پایان نامه ابتدا به معرفی مفاصل و سپس زیر کلاس بزرگی از مفاصل تحت عنوان مفاصل ارشمیدسی می پردازیم. از آنجا که مفاصل ارشمیدسی کلاس بزرگی از مفاصل هستند که اع...
15 صفحه اولمقایسه مدلهای آماری حاشیه ای و آمیخته در تحلیل داده های پزشکی
چکیده زمینه و هدف: امروزه داده های زیادی وجود دارند که در آنها فرض استقلال داده ها که پیش فرض اصلی بسیاری از مدلهای آماری است برقرار نیست. داده های حاصل از نمونه گیری خوشه ای، مطالعات طولی با اندازه گیری های مکرر و یا داده های زوجی مانند داده های دو چشم و همچنین مطالعاتِ همسان سازی شده نمونه هایی از این داده ها هستند مواد و روش کار: دو مدل آماری با در نظر گرفتن همبستگی بین مشاهدات، مدلهای آمیخته...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023