Permalink Submitted by لقمانیان (not verified) on Wed, 01/04/2017 - 15:36.
توزیع وایبل از مهم ترین توزیع ها در قابلیت اعتماد است.که به عنوان توزیع طول عمر به کار میرود.توزیع وایبل همان توزیع نمایی است که این توزیع هم مهمترین توزیع طول عمراست.در ضمن تابع مخاطره آن هم فرم ساده ایی دارد.و چون حالت های نزولی، صعودی و مقدار ثابت را میپذیرد، انعطاف بالایی دارد.در ضمن تعمیم هایی از توزیع وایبل مانند وایبل نمایی شده، بتا وایبل و... نیز مطالعه شده اند که به نسبت انعطاف بیشتری دارند.
Permalink Submitted by فرزاد رامیده (not verified) on Thu, 01/05/2017 - 14:20.
در تحلیل بقا به دنبال یافتن عبارت ساده ای از تابع بقا برای نیکویی برازش مدل مورد استفاده هستیم . توزیع وایبل به دلیل اینکه دارای فرم ریاضی ساده ای برای تابع بقا وتابع خطر است عمومیت بیشتری دارد.وبرای قسمت دوم سوالتون عرض کنم که بله، از توزیع های بسیاری استفاده می شود مثل نمایی، لگ نرمال،لگ لجستیک و...
Permalink Submitted by لقمانیان (not verified) on Wed, 01/04/2017 - 15:42.
در آنالیز بقاء، به مطالعه گروهی از افراد پرداخته می شود که برای تک تک آنها یک رویداد لحظه ای، به نام شکست، تعریف می شود.داده های بقاء در حقیقت زمان های شکست را از یک
لحظه ورود تعریف شده تا وقوع یک رویداد نهایی اندازه گیری می کنند.تعیین دقیق زمان شکسعت مستلزم آنست که:
الف - معنی و مفهوم شکست کاملاً واضح باشد.
ب - یک مبدأ زمانی برای هر یک از افراد مورد مطالعه تعریف شده باشد.
ج - یک مقیاس برای اندازه گیری زمان تعیین شده باشد.
در صورتی که سانسور وجود داشته باشد، زمان شکست را نمیتوان مشاهده کرد.
Permalink Submitted by فاضلی_نجومی زاده (not verified) on Thu, 01/05/2017 - 15:21.
پارامتر های مدل را درصورتی که بدانیم از چه نوع سانسوری استفاده شده است میتوانیم برآورد کنیم.
نوع سانسور مشخص کننده نحوه برآورد های مدل در تحلیل های بقا است.
Permalink Submitted by رامیده (not verified) on Thu, 01/05/2017 - 15:32.
در تحلیل داده ها دانستن نوع وجنس داده ها برای انتخاب مدل و توزیع مناسب برای برازش مدل از اهمیت ویژه ای برخوردار است.در اینجا نیز برای بدست اوردن براورد حداکثر درستنمایی،تابع بقا ونرخ خطر... ملزم به دانستن نوع سانسور برای انجام محاسبات می باشیم
Permalink Submitted by فاضلی-نجومی زاده (not verified) on Wed, 01/04/2017 - 20:00.
با توجه به اینکه در واقیت نمیتوان همیشه تصور کرد که داده های طول عمر توزیع معلوم ومشخصی مثلا مثل توزیع وایبل دارند،برای براود خطر مرگ در لحظه
تی از چه مدل رگرسیونی میتوان استفاده کرد؟
آیا در این حالت هم مدل خطرات متناسب جوابگو هست؟
Permalink Submitted by فرزاد رامیده (not verified) on Thu, 01/05/2017 - 14:38.
ما متناسب با داده های طول عمر می توانیم توزیع پارامتری یا مدل رگرسیونی پارامتری را به داده ها برازش دهیم .مثلا براورد های پارامتری به خوبی با انواع سانسور کار میکنند ولی برای متغییرهای کمکی وابسته به زمان مناسب نیستند که پیشنهاد می شود از مدل های نیمه پارامتری مثل مدل رگرسیونی کاکس استفاده شود .که این مدل نیز معایبی دارد که در براورد کردن ظاهر می شود وقتی متغییرهای کمکی وابسته به زمان با تکرار رخدادها به عنوان متغیرهای ورودی مورد استفاده قرار می گیرد
Comments
عبد یزدان-قیصری
لقمانیان
رامیده: پاسخ به سوال خانم عبد یزدان
غفوری فرد
لقمانیان
لقمانیان
فاضلی_نجومی زاده
رامیده: پاسخ به سوال خانم لقمانیان
فاضلی-نجومی زاده
رامیده: پاسخ به سوال خانم فاضلی و خانم نجومی زاده
عسگری نقش
عسگری نقش
Add new comment