انتخاب متغیر بیزی در مدل رگرسیون

thesis
abstract

در این پایان نامه، ابتدا خلاصه ای از مدل رگرسیون را به منظور شرح روش های کلاسیک انتخاب متغیر شامل روش های رگرسیونی گام به گام بیان می کنیم. سپس روش های نمونه گیری ‎mcmc‎ از جمله نمونه گیری گیبس و روش متروپولیس هستینگس را شرح می دهیم. پس از آن به شرح روش های انتخاب متغیر بیزی در مدل رگرسیون شامل: کیو و مالیک، انتخاب متغیر گیبس ‎(gvs)‎ ، جستجوی تصادفی انتخاب متغیر ‎(ssvs)‎ ، انقباض توافقی و ‎mcmc‎ جهش برگشت پذیر می پردازیم. هدف، بازبینی روش های پیشنهادی برای انتخاب متغیر بیزی می باشد، برخی از این روش ها را دلاپورتاس ‎(2000)‎ بررسی کرده است. در نهایت می بینیم که روش های ‎ssvs‎ ، ‎mcmc‎ جهش برگشت پذیر و انقباض توافقی می توانند بخوبی بکار برده شوند، اما انتخاب روشی که بهتر عمل کند بستگی به پیشین هایی که مورد استفاده قرار می گیرند دارند. مسئله مهم در تحلیل آماری انتخاب مدل بهین از مجموعه مدل های پیشنهادی ممکنه می باشد. در بیشتر مدل ها این مسئله به انتخاب زیر مجموعه ای از متغیرها که باید در مدل قرار بگیرند کاهش یافته است‎.‎ در آخر با ارائه چند مثال روش ها را در ‎winbugs‎ اجرا و نتایج آنها را با هم مقایسه می کنیم.

similar resources

انتخاب متغیر بیزی در مدل های رگرسیون خطی

یکی از موضوعات مهم در آمار، مسأله ی انتخاب متغیر است. مدل رگرسیونی لاسو که به طور همزمان برای انتخاب متغیر و برآورد ضرایب به کار می رود، در سال های اخیر مورد توجه ویژه ای قرار گرفته است. این مدل رگرسیونی به صورت های مختلفی از دیدگاه آمار بیزی و فراوانی گرا مورد مطالعه قرار گرفته است. پارک و کسلا ‎(2008)‎ همانند حالت کلاسیک تنها از یک پارامتر به منظور انقباض برآوردگرها و کنترل تعداد پارامترهای م...

کاربرد روش بیزی در برآورد پارامترهای مدل رگرسیون لوجستیک با مقادیر گمشده تصادفی در متغیر کمکی

چکیده زمینه و هدف: رگرسیون لوجستیک مدلی عمومی برای تحلیل داده های پزشکی و اپیدمیولوژیکی می باشد و اخیراً محققین معدودی تحقیقات خود را به تحلیل مدل های رگرسیون لوجستیک با وجود مقادیر گمشده در متغیرهای کمکی معطوف داشته اند. در بسیاری از پژوهش ها محققین با مجموعه داده هایی مواجه هستند که دارای مقادیر گمشده است. گمشدگی تهدید عمده ای برای درستی نتایج حاصل از مجموعه داده ها محسوب می شوند و اجتناب از آ...

full text

کاربرد روش بیزی در برآورد پارامترهای مدل رگرسیون لوجستیک با مقادیر گمشده تصادفی در متغیر کمکی

چکیده زمینه و هدف: رگرسیون لوجستیک مدلی عمومی برای تحلیل داده های پزشکی و اپیدمیولوژیکی می باشد و اخیراً محققین معدودی تحقیقات خود را به تحلیل مدل های رگرسیون لوجستیک با وجود مقادیر گمشده در متغیرهای کمکی معطوف داشته اند. در بسیاری از پژوهش ها محققین با مجموعه داده هایی مواجه هستند که دارای مقادیر گمشده است. گمشدگی تهدید عمده ای برای درستی نتایج حاصل از مجموعه داده ها محسوب می شوند و اجتناب از آ...

full text

تحلیل بیزی مدل دومتغیره ترتیبی نامتقارن برپایه متغیر پنهان

  مدل بندی پاسخ های ترتیبی همبسته معمولا پیچیده تر از پاسخ های پیوسته یا دو حالتی است. روش های موجود در برخی حالات، به ویژه وقتی پاسخ دو یا چند متغیره مورد بررسی به صورت نامتقارن باشد، چندان توسعه نیافته اند. پیش از این روش های مختلفی برای تحلیل پاسخ های ترتیبی و همبسته در کتب و مقالات پیشنهاد شده اند. در اینگونه مدل بندی ها اگر حجم نمونه کم باشد تحلیل کلاسیک کارایی ندارد و بهترین روش فایق آمدن...

full text

مدل رگرسیونی بیزی با متغیر پاسخ پواسون آمیخته متناهی دومتغیره

در این مقاله تحلیل رگرسیونی با متغیر پاسخ دارای توزیع پواسون دومتغیره آمیخته با رهیافت بیزی مورد بررسی قرار گرفته است. نشان داده شده است که به دلیل شکل پیچیده تابع درستنمایی مبتنی بر توزیع پواسون دومتغیره، توزیع پسین فاقد شکل بسته بوده و پیچیده است. از این رو، توزیع‌های پسین شرطی کامل پارامترها محاسبه و الگوریتم گیبز برای نمونه‌گیری از توزیع پسین ارائه شده است. به‌منظور ارزیابی مدل بیزی پیشنهاد...

full text

تحلیل بیزی رگرسیون چوله‌نرمال آمیخته

 تحلیل رگرسیونی به‌طور سنتی با فرض همگن بودن جامعه و نرمال بودن توزیع متغیر پاسخ صورت می‌پذیرد. این در حالی است که در بسیاری از کاربردها، به‌دلیل ناهمگنی مشاهدات، وجود نقاط دور افتاده، چولگی یا ترکیبی از آن‌ها، مشاهدات ساختاری ناهمگن با زیرجوامعی چوله‌-متقارن را نشان می‌دهند. در چنین حالاتی، می‌توان آمیخته‌ای متناهی از توزیع‌های چوله-متقارن را برای مدل‌بندی جامعه مورد استفاده قرار داد. در این م...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه خلیج فارس - دانشکده علوم پایه

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023