|
|
|
|
جستجو در مقالات منتشر شده |
|
|
9 نتیجه برای روزبه
مهدی روزبه، سید محمد مهدی طباطبایی، جلد 11، شماره 1 - ( بهار و تابستان 1385 )
چکیده
مرضیه روزبهانی، محمدرضا آخوند، جلد 24، شماره 1 - ( بهار و تابستان 1398 )
چکیده
یکی از شایعترین علل پیوند قرنیه در ایران قوز قرنیه است. قوز قرنیه یک پدیده غیر التهابی است که معمولاً قرنیه هر دو چشم را گرفتار میکند. از آنجایی که در پیوند قرنیه ممکن است نسبتی از افراد عضو پیوندی را دفع نکنند و بهعنوان افراد مصون یا شفایافته در نظر گرفته میشوند. در این صورت برای در نظر گرفتن این نسبت از مدل شفایافته استفاده میشود. با توجه به اینکه زمانهای بقا دفع پیوند مربوط به دو چشم با هم همبستگی دارند. بنا بر این برای در نظر گرفتن وابستگی میان زمانهای دفع پیوند از تابع مفصل استفاده شد. هدف این مطالعه بررسی عوامل مؤثر بر دفع پیوند قرینه با استفاده از مدل شفایافته بهکمک تابع مفصل است. برای برآورد پارامترها از روش بیزی و بر اساس الگوریتم مونتهکارلوی زنجیره مارکوفی و بهکمک نرمافزار اوپن باگز انجام گرفت.
منیره معنوی، مهدی روزبه، جلد 25، شماره 1 - ( 11-1399 )
چکیده
با پیشرفت علم، دانش و تکنولوژی، روش های جدید و جامع برای اندازه گیری، جمع آوری و ثبت اطلاعات ابداع شده اند، که منجر به ظهور و
توسعه داده های بعد بالا شده اند. مجموعه داده های بعد بالا، یعنی مجموعه داده هایی که در آن تعداد متغیرهای توضیحی بسیار بزرگتر از تعداد
مشاهدات است، به سادگی و با روش های سنتی و کلاسیک، مانند روش کمترین توان های دوم معمولی، نمی توانند تحلیل شوند و تفسیرپذیری آن
امری بسیار پیچیده خواهد بود. اگرچه در صورتیکه فرضیات اساسی برقرار باشند، برآورد کمترین توان های دوم معمولی بهترین روش برآورد در
تحلیل رگرسیونی است ولی برای داده های بعد بالا قابل استفاده نبوده و در این شرایط مستلزم به کارگیری روش هایی نوینی هستیم. در این مقاله در
ابتدا، به مشکلات روش های کلاسیک در تحلیل داده های بعد بالا اشاره می شود و سپس، به معرفی و توضیح روش های تحلیل رگرسیونی متداول
و امروزی مانند روش های تحلیل مولفه اصلی و تاوانیده برای داده های بعد بالا پرداخته می شود. در انتها یک مطالعه شبیه سازی برای بررسی و
مقایسه روش های اشاره شده در داده های بعد بالا انجام می گردد.
خانم منیره معنوی، دکتر مهدی روزبه، جلد 26، شماره 1 - ( 9-1400 )
چکیده
روش کمترین توانهای دوم برای برآورد ضرایب رگرسیونی مدلهای خطی روشی بسیار ساده، کاربردی و مفید است. این روش آماری توسط کاربران رشتههای مختلف بهسبب ارائه بهترین برآوردگر خطی نااریب با کمترین واریانس مورد استفاده قرار میگیرد. متاسفانه این روش در شرایطی که مشاهده (مشاهدات) پرت در مجموعه داده حضور داشته باشند، خروجی قابل اطمینانی نخواهد داشت، زیرا نقطه فروریزش (معیار استواری برآوردگر) این روش %0 است. به همین سبب شناسایی این مشاهدات امری حائز اهمیت است. تاکنون روشهای مختلفی برای شناسایی این مشاهدات پیشنهاد شده است. در این مقاله به مرور و بحث در مورد جزئیات روشهای معرفیشده پرداخته میشود. در انتها با ارائه یک مثال شبیهسازی به بررسی هر یک از روشهای معرفی شده میپردازیم.
دکتر مهدی روزبه، خانم ملیحه ملک جعفریان، خانم منیره معنوی، جلد 26، شماره 2 - ( 12-1400 )
چکیده
مهمترین هدف علم آمار تجزیه و تحلیل دادههای واقعی دنیای پیرامون بشر است.
اگر این اطلاعات دقیق و درست تحلیل شوند، نتایج حاصل در بسیاری از تصمیمات مهم یاریگر ما
خواهد بود. از جمله دادههای واقعی پیرامون ما که تحلیل آن بسیار مهم است، دادههای مربوط به مصرف آب میباشد. با توجه به این که
کشور ایران در ناحیه نیمه خشک آب و هوایی از کره زمین قرار دارد، لازم است برای پیشبینی و برگزیدن
بهترین و مناسب ترین مدل های دقیق مصرف آب گامهای ژرفی برداشت که لازمه تصمیمات کلان کشوری میباشد. در تجزیه و تحلیل دادههای واقعی ممکن است محقق با مشکل همخطی و نقاط دورافتاده مواجه شود. روشهای مقاوم (استوار) برای تحلیل مجموعه دادههای دارای نقاط دورافتاده و رویکرد ستیغی روشی است که برای تحلیل مجموعه دادههای دارای همخطی استفاده میشوند. محدودیت روی مدلها نیز ناشی از به کارگیری اطلاعات غیرنمونهای در برآورد ضرایب رگرسیونی است. در این مقاله به مدلسازی دادههای مصرف آب، با استفاده از رویکرد ستیغی محدود شده تصادفی استوار پرداخته میشود.
دکتر مهدی روزبه، آقای آرتا روحی، خانم فاطمه جهادی، دکتر سعید زالزاده، جلد 26، شماره 2 - ( 12-1400 )
چکیده
در این تحقیق، هدف بررسی و تحلیل روشی برای پیشبینی قیمت سهام بورس اوراق بهادار است. هرچند پیشبینی بازار سرمایه با توجه به وابستگی آن به عامل سیاست چندان ساده نیست،
اما با مدلسازی دادهها، پیشبینی عملکرد سهام بورس اوراق بهادار در بازه بلندمدت تا حدودی امکانپذیر خواهد بود. در این راستا با استفاده از مدلهای رگرسیون نیمپارامتری و رگرسیون بردار تکیهگاه
با هستههای مختلف و اندازهگیری خطاهای پیشبین، بر روی یکی از سهمهای بازار بورس اوراق بهادار بر اساس نوسانهای روزانه و مقایسه روشها با استفاده از معیارهای ریشه میانگین توان دوم خطاها
و میانگین قدرمطلق درصد خطاها، مدل رگرسیون بردار تکیهگاه با هسته شعاعی و خطای برابر 0.1
دارای مناسبترین برازش روی دادههای واقعی بازار سهام بوده است.
دکتر مهدی روزبه، خانم منیره معنوی، جلد 27، شماره 1 - ( 12-1401 )
چکیده
تحلیل و مدلبندی دادههای با بعد بالا یکی از چالش برانگیزترین مسائل روز دنیا است. تحلیل و تفسیر این دادهها کاری ساده نیست و نیازمند استفاده از روشهای مدرن است. روشهای جریمهای یکی از مشهورترین راههای تحلیل دادههای با بعد بالاست. همچنین مدلبندی رگرسیونی و تحلیل آن بهشدت تحت تاثیر مشاهدات پرت قرار میگیرد.
روش کمترین توانهای دوم پیراسته نیز یکی از بهترین روشهای استوار برای از بین بردن تاثیر تخریبی این نقاط است.
مدلهای نیمهپارامتری که مدلهایی بسیار انعطافپذیرند، ترکیبی از هر دو نوع مدلهای پارامتری و ناپارامتری هستند. این مدلها زمانیکه هم بخش پارامتری و هم بخش ناپارامتری در مدل وجود دارد، مفیدند. هدف اصلی این مقاله تحلیل مدلهای نیمه پارامتری در دادههای با بعد بالا با حضور نقاط پرت با استفاده از روش لاسو تنک استوار است. در انتها، کارایی برآوردگر پیشنهادی با استفاده از یک داده واقعی در مورد تولید ویتامین lr{B2} سنجیده میشود.
آقای آرتا روحی، خانم فاطمه جهادی، دکتر مهدی روزبه، جلد 27، شماره 1 - ( 12-1401 )
چکیده
مشهورترین تکنیک تحلیل دادههای تابعی رویکرد مؤلفۀهای اصلی تابعی است که ابزاری مهم برای کاهش بعد نیز است. رگرسیون بردار پشتیبان شاخهای از یادگیری ماشین و ابزار قدرتمندی برای تحلیل داده است. در این مقاله با استفاده از رگرسیون مؤلفۀ اصلی تابعی براساس تاوانهای مشتق دوم، ریج و لاسو و با توجه به رگرسیون بردار پشتیبان با چهار هستۀ (خطی، چند جملهای، سیگمویید و شعاعی) در دادههای طیف سنجی به مدلسازی متغیر وابسته روی متغیرهای پیشبین پرداخته شده است. بر اساس نتایج بدست آمده طبق معیارهای نیکویی برازش پیشنهادی، مدل رگرسیون بردار پشتبان با هستۀ خطی و خطای بهینه شده $0.2$مناسبترین برازش را به دادهها داشته است.
دکتر مهدی روزبه، آقای آرتا روحی، خانم فاطمه جهادی، جلد 27، شماره 2 - ( 12-1401 )
چکیده
تحلیل دادههای تابعی برای توسعه رویکردهای آماری در دادههایی مورد استفاده قرار میگیرد که دارای ماهیت تابعی و پیوسته هستند و چون این توابع به فضاهای با بعد بینهایت تعلق دارند، استفاده از روشهای متداول در آمار کلاسیک برای تحلیل آنها، با چالش روبرو است.
مشهورترین تکنیک تحلیل دادههای آماری، رویکرد مولفههای اصلی تابعی میباشد که ابزاری مهم برای کاهش بعد است،
در این مقاله با استفاده از روش
رگرسیون مولفه اصلی تابعی براساس جریمه مشتق دوم، ریج و لاسو
به تحلیل دادههای تابعی آب و هوای کانادا و دادههای تابعی طیفسنج پرداخته خواهد شد. بدین منظور برای تعیین مقدار بهینه پارامتر جریمه در روشهای مورد استفاده از اعتبار سنجی متقابل تعمیم یافته، که معیاری معتبر و کارآمد است، استفاده میگردد.
|
|
|
|
|
|