شماره کتابشناسی ملی
شماره
۲۰۷۲۴پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
مروری بر تحلیل داده های طول با متغیرهای پاسخ گم شده
عنوان اصلي به زبان ديگر
On the analysis of longitudinal data with missing responses
نام نخستين پديدآور
/فاطمه توفیق خلجان
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: علوم ریاضی
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، راشدی
مشخصات ظاهری
نام خاص و کميت اثر
۱۰۶ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
آمار گرایش آمار ریاضی
زمان اعطا مدرک
۱۳۹۷/۱۱/۰۴
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در مطالعات طولی هر فرد در طول زمان تحت اندازه‌گیری‌های مکرر قرار می‌گیرد، در چنین مطالعاتی وجود داده‌های ناکامل یا اصطلاحا داده‌های گم‌شده امری اجتناب‌ناپذیر است زیرا ممکن است تعدادی از افراد به دلایل مختلف در تمام زمان‌های اندازه‌گیری در دسترس نباشند .اگر داده‌های گم‌شده غیرقابل چشم‌پوشی باشند، در اینصورت تحلیل داده‌ها با روش‌های معمول منجر به تولید برآوردگرهای اریب و نتایج نامعتبر خواهد شد، در این مورد لازم است که مکانیزم داده‌های گم‌شده را نیز مدل‌بندی کرد .از روش ماکسیمم درستنمایی برای تحلیل داده‌های طولی ناکامل به طور گسترده‌ای استفاده می‌شود، که برآوردگرهای ML معمول، نسبت به مشاهدات حدی یا نقاط پرت در داده‌ها حساس‌اند، و در عمل در داده‌های واقعی معمولا با مقادیر گم‌شده و نقاط پرت روبرو هستیم .از این‌رو در این پایان‌نامه روش نیرومند را که در چارچوب روش ML توسعه یافته، برای تحلیل داده‌های طولی ناکامل با مشاهدات حدی بررسی خواهیم کرد .در پایان ضمن شبیه‌سازی نتایج، یک مثال کاربردی نیز در زمینه‌ی بیماران مبتلا به ایدز مدل‌بندی خواهد شد
متن يادداشت
A longitudinal study is an observational research method in which data is gathered for the same subjects repeatedly over a period of time. we encounter missing data in many longitudinal studies. Since the number of subjects may not be available at all repeated times. When missing data are non-ignorable, data analysis with common methods will result in invalid estimators. Then it is important to analyze the data by incorporating the missing data mechanism into observed data likelihood function. The classical maximum likelihood method for analyzing longitudinal missing data has been extensively studied in the literature. However, it is well-known that the ordinary ML estimators are sensitive to extreme observations or outliers in the data, though it is common to encounter missing values along with outliers in real life data. In this paper, we propose and explore a robust method, which is developed in the framework of the ML method. Finally, we are going to study the properties of the robust estimators in a small simulation and also, we will illustrate the robust method using longitudinal data of HIV-infected patients
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
On the analysis of longitudinal data with missing responses
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
توفیق خلجان، فاطمه
مستند نام اشخاص تاييد نشده
TOFIGHI KHELEJAN, FATEMEH
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
