جزئیات پایان نامه - پرتال اصلی دانشگاه رازی
جزئیات پایاننامه
تاریخ دفاع:
1405/8/27
چکیده
در بسیاری از حوزههای علمی همچون نجوم، تحلیل بقا و اپیدمیولوژی، دادههای بریدهشده دوگانه (Doubly Truncated Data) بهوفور یافت میشوند. در این نوع دادهها، متغیر هدف تنها در صورتی قابل مشاهده است که بین دو کران تصادفی (مانند \\(U\\) و \\(V\\)) قرار گیرد. این سازوکار نمونهگیری، بهطور طبیعی موجب سوگیری (Bias) در دادهها شده و در نتیجه، برآوردگرهای رایج چگالی که برای دادههای کامل طراحی شدهاند، برآوردهایی ناسازگار و اریب از توزیع واقعی ارائه میدهند.پژوهش حاضر با هدف ارائه یک روش ناپارامتری برای برآورد تابع چگالی در حضور دادههای بریدهشده دوگانه، مبتنی بر اسپلاین هموار (Smoothing Spline) انجام شده است. در این روش، با بهکارگیری تبدیل لجستیک بهصورت\\[
f(x)=\\frac{e^{\\eta(x)}}{\\int e^{\\eta(x)}\\,dx}
\\]که بهطور خودکار شرایط ذاتی چگالی (نامنفی بودن و انتگرال یک) را برآورده میسازد، مسئله به کمینهسازی یک تابع درستنمایی جریمهشده (Penalized Likelihood) در فضای هیلبرت با هسته بازتولیدشونده (RKHS) تبدیل میشود. این رویکرد امکان تعدیل اثر سوگیری ناشی از حذف دوگانه را از طریق جمله جریمه فراهم میآورد.اعتبارسنجی روش پیشنهادی از طریق شبیهسازیهای مونتکارلو در سناریوهای مختلف انجام گرفته و عملکرد آن با برآوردگر هستهای (Kernel Density Estimation) مقایسه شده است. همچنین، کارایی عملی روش با تحلیل دو مجموعه داده واقعی از حوزههای پزشکی و صنعتی به نمایش گذاشته شده است. نتایج نشان میدهد که رویکرد اسپلاین هموار، برآوردی هموارتر، دقیقتر و با سوگیری کمتر نسبت به روش هستهای ارائه میدهد و میتواند بهعنوان ابزاری کارآمد در تحلیل دادههای ناقص با ساختار بریدهشدگی دوگانه مورد استفاده قرار گیرد.
