در این پایان نامه روشی موثر در برآوردیابی پارامترهای مجهول در مدلهای خطی و شبه خطی در تحقیقات علوم پزشکی و انسانی مورد استفاده قرار گرفت که روشهای ارائه شده در این پایان نامه منجر به محاسبه ی توزیع پسین خواهد شد.هدف ارائه یک الگوریتم جهت محاسبه پارامترها در کلیه مسائل استنباطی است که کاربردهای این تحقیق ارائه رویکردی جدید در مدل بندی و استفاده از مباحث رگرسیون در تحقیقات با داده های واقعی با استفاده از نظریه بیز است. در مدلهای رگرسیون کلاسیک به دنبال برآورد یک نقطه از بردارهای پارامتر w هستیم.در مقابل در یک رویکرد بیزی عدم قطعیت درw را از طریق یک توزیع احتمال p(w)مشخص می-کنیم. مشاهدات از نقاط داده ها توسط قضیه بیز با داده هایی که از طریق تابع احتمال در درستنمایی واسطه اند تغییر میاد.

برای فضای متریکxو فضای نرم دار eفرض کنید lip(x,e)فضای تمام توابع کراندار لیپ شیتسf از x به eمجهز به نرم?f?_l=max?{?f?_? ,l(f)}باشد که در آن ?f?_?نرم سوپریموم و‎l(f) ثابت لیپ شیتس f است. دراین پایان نامه به بررسی طولپاهای خطی پوشایی مانندlip(y,f)?‎t: lip(x,e)که x,y ‎فضاهای متریک وe,f فضاهای نرم دار اکیداً محدب هستند‏، پرداخته می شود. شرایطی در رابطه با فضاهای متریک و همچنین شرایطی مستقل از آنها ارائه می شود که تحت آنها چنین طولپاهایی عملگر ترکیبی وزن دار باشند یعنی توصیفی به شکل زیر داشته باشند: ‎tf(y) = j(y) (f(h(y))) (f ‎?lip(x,e) , y ‎‎? y) ‎‎‎‎ ‎‎ که در آنj یک نگاشت ازy به فضایi(e,f) متشکل از طولپاهای خطی پوشا از e بهf وh:y ‎?‎x‎‎یک نگاشت حافظ فاصله کمتر از 2 است. همچنین صورت کلی طولپاهایی که لزوماً عملگر ترکیبی وزن دار نیستند نیز مشخص می شود. بخصوص نشان داده می شود که زمانی کهe ‎یاf کامل نباشند نیازی به شرط کامل بودنx,y نیست. مرجع اصلی این پایان نامه [2] است.