ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تقدير الامكان الأعظم شبه المعل...>الوصف

تقدير الامكان الأعظم شبه المعلمي لنموذج نسبة كثافة الاحتمال لعينتين بالتطبيق علي بيانات مرضي الالتهاب الكبدي الوبائي

المصدر: مجلة الدراسات والبحوث التجارية
الناشر: جامعة بنها - كلية التجارة
المؤلف الرئيسي: البلقيني، محمد توفيق إسماعيل (مؤلف)
مؤلفين آخرين: عبدالعاطي، فاطمة علي (م. مشارك), البرعي، لمياء علي عبدالخالق (م. مشارك)
المجلد/العدد: س41, ع4
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2021
الصفحات: 631 - 654
ISSN: 1110-1547
رقم MD: 1283626
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الأمراض الوبائية | التهاب الكبد الوبائي | الرعاية الصحية | تحليل البيانات | الصحة النفسية
كلمات المؤلف المفتاحية:
نموذج نسبة الكثافة | خوارزمية E-M | تقدير الامكان الاعظم شبه المعلمي | الامكان التجريبي | البيانات المراقبة لليمين | Density Ratio Model | EM Algorithm | Empirical Likelihood | Right-Censored Data | Semi-Parametric Maximum Likelihood Estimation
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

6

حفظ في:
المستخلص: تعد الطرق الحالية لتحليل البيانات المراقبة (censoring data) لنموذج نسبة الكثافة شبه المعلمي (DRM) قليلة، وذلك بسبب صعوبة الحصول على مقدر الإمكان الكامل من خلال البيانات المراقبة بسبب صعوبة الإثباتات النظرية للخصائص المتطورة، خاصة إذا كانت دالة الإمكان تتطلب عدد لانهائي لمعلمات الأبعاد. يهدف هذ البحث إلى تقديم طريقة الإمكان الأعظم شبه المعلمية (SML) لتقدير معلمات نموذج نسبة الكثافة لعينتين متضمنة بيانات مراقبة من اليمين (Right Censoring Data)، بالاعتماد على بيانات تتبع التوزيع الأسي والتوزيع الطبيعي اللوغاريتمي ومن خلال هذه الدراسة سوف يتم استخدام خوارزمية E-M لتقدير دالة الإمكان الأعظم- لتيسير إيجاد المقدر المقترح- ويتم إجراء التقدير لكل من المكونات المعلمية واللامعلمية للنموذج. سوف يتم تطبيق هذا النموذج على مجموعة من البيانات المراقبة والتي تتضمن بيانات عن مرضى الالتهاب الكبدي الوبائي (فيروس C) والتي تم الحصول عليها من إحدى المراكز الطبية المتخصصة. وأثبتت نتائج هذه الدراسة أن النموذج المقترح يتمتع بتقديرات ذات جودة عالية وأن النموذج ملائم لطبيعة البيانات.

The methods currently exist for analyzing the conventional right-censored data under the semi-parametric density ratio model are considered very limited. This is mainly due to the difficulty of obtaining the full-likelihood estimator with right- censored data, the considerably complex computational algorithms and the sophisticated theoretical properties that need to be proven, especially when the likelihood function involves infinite dimensional parameters This research aims to find semi-parametric maximum likelihood (SML) method by using the density ratio model (DRM) for two samples which include Censoring Data. Through this study the E-M algorithm will be used to estimate the maximum likelihood estimator and to facilitate finding the proposed estimator, and the estimation will be made for both parametric and nonparametric components of this model. This model will be applied on a group of Censoring Data that include data of Hepatitis C patients obtained from a specialized medical center, the results of this study proved that the proposed model provides better fit regarding the treatment of this type of data.
ISSN: 1110-1547

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.