---

---

---

---

---

---

---

---

در این مقاله ضمن معرفی روش های جدیدی که در زمینه برآوردیابی و انتخاب متغیر در مدل رگرسیونی مطرح شده اند ، بر اساس یک بررسی مبتنی بر شبیه سازی از مدل های مختلف ، به بررسی عملکرد این روش ها و همچنین مقایسه آن ها با روش های معمول مثل روش انتخاب پیشرو و روش رگرسیون مرزی خواهیم پرداخت .

---

در بسیاری تحقیقات مربوط به آزمونهای طول عمر، با محدودیتهایی مانند زمان و تعداد واحد نمونه مواجه هستیم، که این عوامل باعث می شود پژوهشگر دسترسی به کل داده ها نداشته باشد. بنابراین پیش بینی مقادیر مشاهده نشده بر اساس اطلاعات واحدهایی از نمونه که در دسترس می باشند، ارزش مطالعه دارد. دراین مقاله با فرض اینکه مشاهدات اصلی از مدل نمایی پیروی می کنند و محدودیت اعمال شده بر داده ها سانسور دو طرفه است، پیش بینی مقادیر مشاهده نشده را از دیدگاه آمار بیز در دو حالت یک نمونه ای و دو نمونه ای مورد بررسی قرار داده ایم. در هر حالت پیش بینی فاصله ای با پوشش داده شده بدست می آید. در پایان با ارایه یک مثال عددی، نتایج بدست آمده تحلیل شده است.

---

یک نوار اطمینان، همزمان اطلاعات مفیدی در محدودۀ قابل قبولی از مدل رگرسیونی مجهول ارائه می‌دهد و نوارهای اطمینان متفاوت اغلب می‌توانند برای مدل رگرسیونی یکسان ساخته شوند. برای یک خط رگرسیون ساده، لیووهایتر‎(2007)‎ کاربرد سطح مجموعۀ اطمینان متناظر با یک نوار اطمینان را به‌عنوان یک معیار بهینگی در مقایسۀ نوارهای اطمینان پیشنهاد کردند؛ هرچه سطح مجموعۀ اطمینان کوچک‌تر باشد، نوار اطمینان متناظر بهتر است. در مطالعۀ نوار‌های اطمینان برای یک مدل رگرسیونی خطی چندگانه، این معیار مجموعۀ اطمینان با سطح مینیمم را می‌توان به یک معیار مجموعۀ اطمینان با حجم مینیمم تعمیم داد.

در این مقاله نوار‌های اطمینان هذلولوی و نوار‌های اطمینان با پهنای ثابت برای یک مدل رگرسیونی خطی چند گانه روی یک ناحیۀ بیضیواری خاصی از متغیر‌های پیشگوی تحت معیار مقایسه می‌شوند. مشاهده می‌شود که بهتر بودن یک نوار نسبت به نوار دیگر به مقدار یک زاویۀ خاص بستگی دارد که اندازۀ ناحیه متغیر پیشگو را تعیین می‌کند. زمانی‌که این زاویه و در نتیجه اندازۀ ناحیه متغیر پیشگو کوچک باشد، نوار اطمینان با پهنای ثابت بهتر از نوار اطمینان هذلولوی است اما فقط به‌طور حاشیه‌ای. وقتی که این زاویه و در نتیجه اندازۀ ناحیه متغیر پیشگو بزرگ است، نوار اطمینان هذلولوی می‌تواند به‌طور کلّی بهتر از نوار اطمینان با پهنای ثابت باشد.

---

امروزه کاربرد علم آمار در علوم دیگر از جمله علوم پزشکی بسیار رایج شده است.  اخیرا طرح بهینه بعنوان ابزاری برای افزایش کارایی در انجام آزمایش‌ها  در این علوم مورد توجه محققان است.
فارماکوکنتیک بعنوان شاخه‌ای از داروشناسی که وظیفه بررسی عملکرد دارو در موجودات زنده را دارد، از اهمیت خاصی در علوم پزشکی برخوردار است. هدف این تحقیق معرفی طرح‌های بهینه برای  مدل‌های مطالعات فارماکوکنتیک است. مدل‌های مورد استفاده در این مقاله، در متون آماری تحت عنوان مدل‌های غیرخطی شناخته می‌شوند. این مدل‌ها وابسته به پارامترهای خاص براساس فاکتورهای داروشناسی و نیز زمان بعنوان متغیر پیشگو کننده هستند. طرح‌های بهینه براساس توابعی از ماتریس اطلاع فیشر بدست می‌آیند. این توابع بعنوان معیارهای بهینگی شناخته می‌شوند. در این مقاله ما دو معیار A- و E- بهینگی را در نظر می‌گیریم. براساس این دومعیار طرح‌های بهینه موضعی برای مدل‌های  معرفی‌شده، بدست آورده می‌شوند.

---

امروزه تشخیص بیماری‌ها با استفاده از هوش مصنوعی و الگوریتم‌های یادگیری ماشین از اهمیت بسیار بالایی برخوردار است، چرا که با استفاده از داده‌های موجود در زمینه مطالعاتی بیماری مورد نظر می‌توان به اطلاعات و نتایج سودمندی دست یافت که از رخداد بسیاری از مرگ ومیر‌ها می‌کاهد. از جمله این بیماری‌ها می‌توان به تشخیص بیماری دیابت که امروزه با توجه به رشد زندگی شهرنشینی و کاهش فعالیت افراد گسترش یافته است، اشاره کرد. ‌پس تشخیص این موضوع که فرد به بیماری دیابت مبتلا می‌گردد یا خیر از اهمیت بسیار بالایی برخوردار است. در این مقاله از مجموعه داده مربوط به اطلاعات افرادی که آزمایش تشخیص دیابت را انجام داده‌اند استفاده شده است. این اطلاعات مربوط به 520 نفر است، 
عمل رده‌بندی افراد به دو دسته که آیا نتیجه آزمایش دیابتشان مثبت است یا خیر صورت می‌گیرد و از روش‌های رده‌بند بیزی مانند ماشین بردار پشتیبان بیزی، بیز ساده، CN$ و روش‌ رده‌بند ترکیبی کت‌بوست استفاده شده است تا بتوان نتیجه گرفت که کدام یک از این روش‌ها می‌توانند توانمندی بهتری برای تحلیل داده‌ها داشته باشند و همچنین برای مقایسه این روش‌ها از معیار‌های دقت، صحت، وضوح، حساسیت و نمودار راک استفاده شده است.