|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
4 نتیجه برای مددی
بهاره افهمی، محسن مددی، محسن رضاپور،
جلد 9، شماره 1 - ( 6-1394 )
چکیده
در این مقاله ابتدا به محاسبه آنتروپی k-رکوردها از توزیع پارتو تعمیم‌یافته پرداخته می‌شود و بر مبنای آن، آماره‌ای برای آزمون نیکویی برازش این توزیع ارائه می‌گردد. در پایان، عملکرد این آماره در مطالعه‌ای شبیه‌سازی و با استفاده از داده‌های واقعی مورد بررسی قرار می‌گیرد.
موسی عبدی، محسن مددی، احد جمالی زاده،
جلد 14، شماره 2 - ( 12-1399 )
چکیده
در این مقاله، توزیع چندمتغیره آمیخته از توزیع نرمال چندمتغیره و توزیع نمایی استاندارد مورد بررسی قرار می‌گیرد. این توزیع میزان چولگی و کشیدگی بیشتری از توزیع چوله‌نرمال دارد و می‌تواند به عنوان یک پیشنهاد برای برازش داده‌های چندمتغیره با میزان چولگی و کشیدگی بیش از چوله‌نرمال به کار رود که برخلاف توزیع چوله‌نرمال دارای خاصیت بخش‌پذیری نامتناهی است. برخی خواص توزیع شامل تابع مشخصه، تابع مولد گشتاور، توزیع تبدیل‌های آفین و فرم کانونی توزیع، ضرایب چولگی، کشیدگی و مد توزیع مورد بررسی قرار می‌گیرد. برآوردهای ماکسیمم درستنمایی پارامترهای مدل با استفاده از الگوریتم EM محاسبه شده است. برای بررسی مناسبت مدل، یک مطالعه شبیه‌سازی ارائه و در انتها با تحلیل داده‌های واقعی کارایی مدل مورد مطالعه قرار می‌گیرد.
دکتر معراج عبدی، دکتر محسن مددی،
جلد 17، شماره 1 - ( 6-1402 )
چکیده
برای تحلیل روابط بین متغیرها در جدول‌های پیشایندی سه طرفه، آزمون‌های مختلفی وجود دارد که بیشتر این آزمون‌ها مجانبی هستند و در تحلیل جداولی با فراوانی‌های کوچک کارایی کافی را ندارند. در این مقاله در رویکردی جدید با استفاده از استقلال شرطی و همچنین بکارگیری آزمون دقیق فیشر، جدول‌های پیشایندی سه طرفه تحلیل می‌شوند. نشان داده می‌شود انواع استقلال که در مدل‌های لگ خطی مورد بررسی قرار می‌گیرند را می‌توان بدون استفاده از این مدل‌ها و تنها با بکارگیری استقلال شرطی و آزمون‌های استقلال دو متغیر بررسی کرد، به این ترتیب تحلیل جدول‌های پیشایندی با فراوانی کوچک نیز امکان‌پذیر می‌گردد. در انتها با ارائه چند مثال واقعی این بحث تشریح می‌شود.
مهرنوش مددی، کیومرث مترجم،
جلد 18، شماره 2 - ( 12-1403 )
چکیده
با توجه به حجم و پیچیدگی داده‌های نوظهور در تحلیل بقا، بکارگیری روش‌های یادگیری آماری در این حوزه به امری اجتناب ناپذیر بدل شده است. این روش‌ها قادر به برآورد احتمال بقا و تأثیر عوامل مختلف بر بقا هستند. در این مقاله، عملکرد مدل کاکس به عنوان یک مدل رایج در تحلیل بقا با روش‌های مبتنی بر تاوان مانند کاکس ریج و لاسو و روش‌های مبتنی بر یادگیری آماری مانند جنگل بقای تصادفی و شبکه عصبی مورد مقایسه قرار گرفته است. نتایج شبیه‌سازی‌ها در این مطالعه نشان می‌دهد که در شرایط وجود رابطه خطی بین متغیرها، عملکرد مدل‌های مذکور تقریباً مشابه مدل کاکس است اما در حالات غیرخطی و بالا بودن بعد متغیرها، روش‌هایی مانند کاکس لاسو، جنگل بقای تصادفی و شبکه عصبی عملکرد بهتری دارند. درنهایت به منظور ارزیابی عملکرد این مدل‌ها در تحلیل داده‌های بیماران مبتلا به آترواسکلروز مورد استفاده قرار گرفتند و نتایج نشان داد که در مواجهه با داده‌هایی با تعداد متغیرهای تبیینی زیاد، رویکردهای یادگیری آماری به طور کلی عملکرد بهتری نسبت به مدل‌های کلاسیک تحلیل بقا دارند.
|
|
|
|
|
|
|
|
|
|
|
