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.

یکی از مسائل مهم پیش بینی وضع آینده سیستم یا فرایندهایی است که با گذشت زمان در حال تغییرند. در چنین شرایطی علاوه بر متغیرها امکان دارد پارامترها نیز در حال تغییر باشند و از این رو فرض استقلال برای پارامترها و متغیرها از بین می رود. برای تحلیل چنین سیستمی معمولا از مدل های خطی پویای تعمیم یافته استفاده می شود. هدف این مقاله، به کارگیری مدل های خطی پویای تعمیم یافته بیزی در تحلیل ساختارهای گسسته غیرمزدوج بر پایه الگوریتم مونت کارلوی زنجیر مارکوفی است. پس از ارائه مبانی نظری موضوع، با بهره گیری از مدلی که پارامترهای پویای آن از فرایند اتورگرسیو پیروی می کند و ابزارهای سودمندی که مدل های خطی پویای تعمیم یافته بیزی در اختیار ما قرار می دهند، به تحلیل فعالیت اقتصادی طی سال های 1385 تا 1387 در سه استان کشور پرداخته می شود.

در این مقاله به بحث انتخاب متغیر با رویکردی جدید در آمیزه‌ای متناهی از مدل‌های رگرسیونی نیم‌پارامتری پرداخته می‌شود، به گونه‌ای که داده‌ها از توزیع پواسون تبعیت می‌کنند. اما دو عامل بیش‌پراکندگی و صفرهای بیش از حد به دلیل استفاده از توزیع پواسون می‌تواند تاثیر زیادی بر انتخاب متغیر و براورد پارامترها داشته باشند. در واقع براورد پارامترها در بخش پارامتری مدل رگرسیونی نیم‌پارامتری با استفاده از رویکرد درستنمایی تاوانیده انجام می‌پذیرد و در بخش ناپارامتری پس از تقریب موضعی تابع ناپارامتری با استفاده از بسط تیلور، محاسبات در حضور براورد ضرایب پارامتری انجام می‌گیرد. استفاده از رویکرد جدید در این مقاله باعث شده است تا موانع در انتخاب درست متغیرها برطرف گردد. در این مقاله علاوه بر ارائه تئوری‌های مربوطه، در بخش شبیه‌سازی داده‌ها نیز دو موضوع بیش پراکندگی و صفرهای بیش از حد مورد توجه قرار می‌گیرد و استفاده از روش EM در براورد پارامترها منجر به افزایش دقت در نتیجه شده است.