در تحلیل داده های بقا، هنگامی که نسبتی از افراد شفایافته هستند و زمان های رخداد پیشامد با یکدیگر همبسته می باشند، از مدل شکنندگی شفایافتگی استفاده می شود. در این مقاله هدف تحلیل دو نوع شکنندگی همبسته از دیدگاه بیزی در مدل شفایافتگی ناآمیخته برای مجزا کردن اثرات تصادفی اختصاصی و مشترک موجود بین آزمودنی ها می باشد، این مدل ها عبارتند از: (1) مدل شکنندگی همبسته شفایافتگی (2) مدل شکنندگی همبسته شفایافتگی با زمان پیشرفت. در این مدل ها تابع درستنمایی را براساس تابع نمایی تکه ای فرمول بندی نموده و پارامترهای آنها را با رهیافت بیز سلسله مراتبی برآورد می کنیم. از آنجایی که توزیع های پسینی دارای فرم بسته نمی باشند، برآورد مشخصات توزیع های پسینی با بکارگیری روش های مونت کارلوی زنجیر مارکوفی به دست می آیند. برای مقایسه مدل شکنندگی همبسته کاکس را بکار می بریم. براساس معیار اطلاع کیبش مدل های شکنندگی همبسته شفا یافتگی به مدل شکنندگی همبسته کاکس برتری دارند. در انتها داده های پیوند قرینه دو طرفه مورد تحلیل قرار می گیرد.

در تحقیقات پزشکی از سطح زیر منحنی ROC برای ارزیابی آزمون غربالگری در تمایز بین افراد سالم و افراد بیمار و دسته بندی مدل­ ها در تصمیمات حمایتی، تشخیص و پیشگیری استفاده می­ شود. تجزیه و تحلیل این منحنی ­ ها صحت توانائی مدل ­ ها در جداسازی موارد مثبت از منفی را نشان می­ دهد. هرچند بنا به تعریف باید این منحنی هموار باشد، اما در مطالعات تجربی منحنی هایی ناهموار حاصل می شوند. لذا در این مقاله استفاده از هموارساز هسته ­ ای برای برآورد این منحنی پیشنهاد شده است. سپس منحنی ­ های ROC مربوط هورمون محرک تیروئید ( TSH ) نوزادان 3 تا 7 روزه استان اصفهان مربوط به طرح غربالگری تیروئید مادرزادی با روش­ های نرمال دو متغیره، تجربی و هموارسازی هسته ای برآورد شده اند. آنگاه برای ارزیابی این منحنی ­ ها، سطح زیرمنحنی و انحراف معیار آن برآورد گردیده و برتری روش هموارسازی هسته ­ای نشان داده شده است.

  یکی از مسائل مهم در علم ژنتیک مکان­یابی یک ژن بخصوص به­ منظور رسم نقشه ژنتیکی و در نهایت تولید داروهای موثرتر برای درمان است. مکان­یابی ژن با تحلیل پیوستگی ژنتیکی انجام می­شود. یکی از روش­های آماری که در تحلیل پیوستگی ژنتیکی مورد استفاده قرار می­گیرد، روش رگرسیونی هیسمن الستون است که در سال 1972 مطرح شد، و از آن پس ایرادات و پیشنهادات بسیاری در جهت تکمیل، به آن وارد شد. در مقاله حاضر این روش رگرسیونی و به کارگیری در تحلیل پیوستگی ژنتیکی معرفی و سیر تکاملی آن در طی سال­های 1972 تا 2009 ارائه می­گردد. در نهایت نحوه کاربست این روش در یک مثال کاربردی نشان داده خواهد شد.

مدل‌های تحلیل بقا معمولا براساس فرض همگن بودن جامعه مورد مطالعه قرار می گیرند. این در حالی است که به دلیل اثرات تصادفی فردی غیرقابل مشاهده، چنین فرضی اغلب واقع گرایانه نیست. در واقع عدم در نظر گرفتن اثرات فردی در تحلیل بقا منجر به نتایج غیرواقعی می‌شود. لذا در این حالت مدل‌های آمیخته با اثرات تصادفی پیشنهاد می‌شوند که در تحلیل بقا به مدل‌های شکنندگی مشهور هستند. در این مقاله توزیع خانواده واریانس توانی به عنوان خانواده کلی و توزیع‌های گاما و وارون گاوسی به عنوان دو حالت خاص برای اثرات شکنندگی تصادفی معرفی و ارزیابی می‌شوند. سپس با استفاده از مدل‌های شکنندگی پارامتری خطرات متناسب با توزیع وایبل برای مخاطره پایه و توزیع گاما و وارون گاوسی برای اثرات شکنندگی، داده‌های مربوط به بقای مبتلایان به سرطان کولورکتال تحلیل شده‌اند

توزیع چوله نرمال، یکی از توزیع های مهم در تحلیل داده های غیرنرمال است. از آنجایی که تابع چگالی توزیع چوله نرمال حاوی تابع انتگرال است محاسبه تابع چگالی  این توزیع در رهیافت بیزی است در این مقاله با استفاده از تعریف شرطی توزیع چوله نرمال روشی برای برآورد بیزی پارامترهای این توزیع ارائه شده است. سپس در مطالعه ای شبیه سازی دقت این روش با روش معمولی مورد مقایسه قرار گرفته است

مدل سازی داده های دوسطحی با فرض نرمال بودن مولفه تصادفی و خطا انجام می شود. عدم برقراری این فرض باعث استنباط غلط در مورد پارامترهای مدل می گردد. در این مقاله، استفاده از خانواده توزیع چوله نرمال که خانواده ای انعطاف پذیرتر از توزیع نرمال است مطرح می شود. سپس در یک مطالعه شبیه سازی نشان داده می شود عدم در نظر گرفتن چولگی مثبت (منفی) در مدل باعث بیش برآوردی (کم برآوردی) عرض از مبدا و کم برآوردی (بیش برآوردی) شیب مدل می گردد سپس با مدل به دست آمده رابطه نوبت کاری و کلسترول خون تعیین می شود

از جمله روش‌هایی که در سال‌های اخیر توجه بسیاری از محققان را برای مدل‌سازی داده‌های چندمتغیره آمیخته به خود جلب کرده است، استفاده از تابع مفصل می‌باشد. در این مقاله مدلی رگرسیونی برای پاسخ‌های آمیخته بقا و گسسته بر اساس تابع مفصل ارائه می‌شود که در آن متغیر پیوسته از نوع زمان بوده و امکان وقوع مشاهده سانسور شده در آن وجود دارد. برای انجام این کار فرض شد که توزیع‌های حاشیه‌ای مشخص هستند و متغیری پنهان برای تبدیل حاشیه گسسته به پیوسته مورد استفاده قرار گرفت. سپس با استفاده از تابع مفصل تابع توزیع توام برای دو متغیر تشکیل و در پایان مدل به دست آمده بر روی داده‌های فاصله بین تولدها در شهر اهواز مورد استفاده قرار گرفت.

ریزش داده‌ها و مقادیر گمشده از مشکلات معمول در تحلیل داده‌ها محسوب می‌شود. لذا اهمیت دارد که با برآورد مقادیر گمشده، داده‌ها کامل شده و در مسیری مناسب و صحیح برای تحلیل قرار داده شوند. دو روش معمول برای مقابله با داده‌های گمشده "جانهی چندگانه" و "وزن‌دهی احتمال معکوس" هستند. در این مقاله، رویکرد سومی‌ معرفی خواهد شد که ترکیبی از دو روش جانهی چندگانه و وزن‌دهی احتمال معکوس است. با توجه به نتایج حاصل از مطالعه شبیه‌سازی روش ترکیبی مزایای بیشتری نسبت به سایر گزینه‌ها دارد. با توجه به وجود مقادیر گمشده در اکثر مطالعات به‌خصوص در حوزه پزشکی، نادیده گرفتن آن‌ها سبب تحلیل اشتباه شده و استفاده از روش‌های نیرومند، برای تحلیل صحیح، با اهمیت تلقی می‌شود.