محسن محمدزاده
گروه آمار، دانشگاه تربیت مدرس
[ 1 ] - رگرسیون بتای آمیخته افزوده و مدل‌بندی نسبت شاغلین در خانوار
چکیده: مدل رگرسیون بتا معمولاً برای مدل‌بندی داده‌هایی به‌صورت نرخ یا نسبت در بازه (1,0) بکار برده می‌شود. در بعضی مطالعات این‌گونه داده‌ها ممکن است مقادیر صفر و یک را نیز شامل شوند. در این مقاله مدل رگرسیون بتای افزوده، که از آمیختن توزیع بتا روی بازه (1,0) و دو توزیع تباهیده در صفر و یک ایجاد می‌شود، برای مدل‌بندی دادههای مشاهده شده در بازه بسته [1,0] ارائه شده است. مدل رگرسیون بتای آمیخته ...
[ 2 ] - برآورد کوچک ناحیه ای و پیشگویی فضایی
اندک بودن اندازه داده‌ها در آمارگیری از کوچک نواحی، موجب دقت کم برآوردهای مستقیم ویژگی‌های مختلف در این نواحی می‌شود. با توجه به افزایش وسیع تقاضا برای تولید آمار‌های معتبر و دقیق برای کوچک نواحی، مطالعات زیادی انجام شده است که با ارائه رهیافت‌های مناسب این مشکل حل شود. معمولاً مدل‌های آمیخته خطی اساس بسیاری از روش‌های برآورد کوچک ناحیه‌ای هستند که با استفاده از منابع مختلف، اطلاعاتی کمکی به برآ...
[ 3 ] - مدل های خطرهای متناسب و شکنندگی برای تحلیل داده های بقای فضایی
مدل خطرهای متناسب کاکس یکی از پرکاربردترین مدلها برای برازاندن به داده های بقا است که بر اساس فرضهای همگنی جامعه، استقلال و هم توزیع بودن داده های بقا بنا شده است. اما در بسیاری از مواقع خطرهای واحدهای آماری متفاوت بوده و فرض همگنی جامعه برقرار نیست. یکی از دلایل این تفاوت وجود عوامل خطر ناشناخته یا مشاهده نشده است که لحاظ نکردن آنها و استفاده از مدلهایی همچون مدل خطرهای متناسب کاکس میتواند نتا...
[ 4 ] - تحلیل استوار داده های فضایی در حضور داده های دورافتاده
معمولاً تابع تغییرنگار که ساختار همبستگی دادههای فضایی را تعیین میکند و نقش پایه ای در تحلیل آنها دارد، نامعلوم است و لازم است براساس مشاهدات برآورد شود. وجود داده های دورافتاده در مشاهدات تاثیر نامناسبی در برآورد تغییرنگار و سایر بخشهای تحلیل دادههای فضایی همچون پیشگویی فضایی و برآورد پارامترهای روند دارد. در این مقاله ابتدا با استفاده از برآوردگرهای مقیاس، چند برآوردگر استوار جدید با ن...
[ 5 ] - مدل های رگرسیون لجستیک و پروبیت فضایی برای تحلیل داده های یخ زدگی گیاهان در استان مازندران
تحلیل رگرسیون های لجستیک و پروبیت که در مدل بندی متغیرهای پاسخ دودویی به کار می روند با فرض استقلال خطاها صورت می گیرد. اما در عمل با موارد زیادی مانند داده های فضایی مواجه می شویم که مشاهدات دودویی از لحاظ موقعیت قرار گرفتن در فضای مورد مطالعه به یکدیگر وابسته اند و لازم است همبستگی آن ها در تحلیل رگرسیون لجستیک و پروبیت منظور گردد. معمولا در آمار فضایی، پیش گویی فضایی برای داده های دودویی با ...
[ 6 ] - تحلیل فضایی رگرسیون جمعی ساختاری و مدل بندی داده های جرم شهر تهران با تقریب لاپلاس آشیانی جمع بسته
در تحلیل بیزی مدل‌های رگرسیون جمعی ساختاری که قالبی انعطاف پذیر از مدل‌های آماری در زمینه‌های کاربردی دارند توزیع‌های پسینی فرم بسته‌ای ندارند و استفاده از الگوریتم‌های مونت کارلوی زنجیر مارکوفی به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمان‌بر هستند. روش تقریب لاپلاس آشیانی جمع بسته میتواند با استفاده از تقریب‌های گاوسی و لاپلاس نیاز به شبیه‌سازی‌های سنگین را مرتفع سازد. در ا...
[ 7 ] - تحلیل بیزی مدل‌های رگرسیون بتای آمیخته‌ی افزوده با اثرهای تصادفی چوله-نرمال
مطالعه‌های بسیاری در حوزه‌های مختلف شامل داده‌هایی به‌صورت نرخ‌ها یا نسبت‌ها هستند که باید تحلیل شوند. این داده‌ها همچنین ممکن است شامل مقادیر صفر و یک نیز باشند. مدل‌های رگرسیونی بتای افزوده انتخاب مناسبی برای متغیرهای پاسخ پیوسته در بازه‌ی بسته‌ی [۰,۱] هستند. داده‌ها در این مدل بر اساس آمیختن سه توزیع شامل دو توزیع تباهیده در صفر و یک با چگالی بتا در بازه‌ی (۰,۱) مدل‌بندی می‌شوند. اثرهای تصاد...
[ 8 ] - Spatial Latent Gaussian Models: Application to House Prices Data in Tehran City
Latent Gaussian models are flexible models that are applied in several statistical applications. When posterior marginals or full conditional distributions in hierarchical Bayesian inference from these models are not available in closed form, Markov chain Monte Carlo methods are implemented. The component dependence of the latent field usually causes increase in computational time and divergenc...
[ 9 ] - Bayesian and Iterative Maximum Likelihood Estimation of the Coefficients in Logistic Regression Analysis with Linked Data
This paper considers logistic regression analysis with linked data. It is shown that, in logistic regression analysis with linked data, a finite mixture of Bernoulli distributions can be used for modeling the response variables. We proposed an iterative maximum likelihood estimator for the regression coefficients that takes the matching probabilities into account. Next, the Bayesian counterpart...
[ 10 ] - Spatial-Temporal Trend Modeling for Ozone Concentration in Tehran City
Fitting a suitable covariance function for the correlation structure of spatial-temporal data requires de-trending the data. In this article, some potential models for spatial-temporal trend are presented. Eventually the best model will be announced for de-trending tropospheric ozone concentration data for the city of Tehran (Capital city of Iran). By using the selected trend model, some ...
[ 11 ] - Spatiotemporal Kriging with External Drift
In statistics it is often assumed that sample observations are independent. But sometimes in practice, observations are somehow dependent on each other. Spatiotemporal data are dependent data which their correlation is due to their spatiotemporal locations.Spatiotemporal models arise whenever data are collected across bothtime and space. Therefore such models have to be analyzed in termsof thei...
[ 12 ] - Probabilistic Linkage of Persian Record with Missing Data
Extended Abstract. When the comprehensive information about a topic is scattered among two or more data sets, using only one of those data sets would lead to information loss available in other data sets. Hence, it is necessary to integrate scattered information to a comprehensive unique data set. On the other hand, sometimes we are interested in recognition of duplications in a data set. The i...
[ 13 ] - Spatial Interpolation Using Copula for non-Gaussian Modeling of Rainfall Data
‎One of the most useful tools for handling multivariate distributions of dependent variables in terms of their marginal distribution is a copula function‎. ‎The copula families capture a fair amount of attention due to their applicability and flexibility in describing the non-Gaussian spatial dependent data‎. ‎The particular properties of the spatial copula are rarely ...
[ 14 ] - طرح نمونه‌گیری فضایی متعادل دو مرحله‌ای برای پیشگویی میدان های تصادفی
: آمار فضایی علم تحلیل دادههای وابسته فضایی است. در مطالعات محیطی گاهی با داده‌هایی وابسته سروکار داریم که همبستگی آنها ناشی از موقعیت قرارگیری در یک فضای معین است. از طرفی در بررسی‌های نمونه‌ای فرض بر آن است که اعضای نمونه، از جامعه‌ای با واحدهای مستقل گرفته شده است. این فرض در تمامی مراحل نمونه‌گیری تحلیل و مدل‌سازی مورد استفاده قرار می‌گیرد. اما وقتی اعضای جامعه مورد مطالعه به‌نوعی وابست...
[ 15 ] - Cox and Frailty Models for Analysis of Esophageal Cancer Data
By existing censor and skewness in survival data, some models such as weibull are used to analyzing survival data. In addition, parametric and semiparametric models can be obtained from baseline hazard function of Cox model to fit to survival data. However these models are popular because of their simple usage but do not consider unknown risk factors, that's why cannot introduce the be...
[ 16 ] - Evaluation of soil pollution sources using multivariate analysis combined with geostatistical methods in Zanjan Basin, Iran
The increase of heavy metals concentration in soils is potentially threatening the environment and human health. In this paper, multivariate analysis methods such as Positive Matrix Factorization (PMF), Principal Component Analysis (PCA) and Cluster Analysis (CA) combined with geostatistical method were employed to identify the potential sources of soil pollution. A collection of 103 samples we...
[ 17 ] - مدل‌بندی دادههای فضایی-زمانی با گمشدگی غیرقابل چشم پوشی
غلب دادههای فضایی و فضایی-زمانی به واسطه شرایطی که تحت آن اندازه‌گیری‌ها صورت می‌گیرد حاوی مقادیر گمشده هستند. مقادیر گمشده‌ای که در فواصل مکانی یا زمانی نزدیک‌تر نسبت به مشاهدات قرار دارند شامل اطلاعات مفیدی هستند که درنظر گرفتن آنها میتواند منجر به نتایج دقیق‌تری شود. بنابراین لازم است حضور دادههای گمشده مورد توجه و بررسی دقیق قرار گیرد. لذا می‌توان با مدل‌بندی توأم فرایندی که منجر به گمش...
[ 18 ] - Spatial Varying Coefficient Regression Model For Relative Risk Factors of Esophageal Cancer Patients
In conventional methods for spatial survival data modeling, it is often assumed that the coefficients of explanatory variables in different regions have a constant effect on survival time. Usually, the spatial correlation of data through a random effect is also included in the model. But in many practical issues, the factors affecting survival time do not have the same effects in different regi...
[ 19 ] - Nonparametric Estimation of Spatial Risk for a Mean Nonstationary Random Field}
The common methods for spatial risk estimation are investigated for a stationary random field. Because of simplifying, lets distribution is known, and parametric variogram for the random field are considered. In this paper, we study a nonparametric spatial method for spatial risk. In this method, we model the random field trend by a local linear estimator, and through bias-corrected residuals, ...
Co-Authors