این مقاله روشهای ناپارامتری بیزی را مرور می کند و درباره اینکه چگالی های پیشگویی پارامتری را چگونه می توان با استفاده از ایده های ناپارامتری ساخت، بحث می کند.

مقدمه: در این مقاله، خوشه بندی رگرسیونی (Regression clustering) با استفاده از فرایند دیریکله (Dirichlet process) جهت به دست آوردن بینشی جامع از الگوی سلامت کودکان و نوجوانان بررسی شده در مطالعات ملی ایران، در نظر گرفته شد. در این رویکرد به خوشه بندی، ضمن این که تاثیر عوامل مزاحم، حذف و تحلیل های دقیق تری از وضعیت افراد به دست می آید، تعداد خوشه ها و الگوهای موجود در داده ها نیز تخمین زده می شود. در این پژوهش، خوشه بندی افراد نمونه از نظر دو شاخص چربی خون و قند خون، مدنظر قرار گرفته و میزان تاثیر شاخص تن سنجی (Anthropometric)، رده سنی و جنسیت بر نحوه خوشه بندی افراد، مورد ارزیابی قرار گرفته است.روش ها: به منظور برآورد پارامترهای مجهول مدل، با رویکرد بیز (Bayesian approach) به مساله، از روش های شبیه سازی مونت کارلوی زنجیر مارکفی (Markov chain Monte Carlo) در نرم افزار اپن باگز (Open Bugs) استفاده شده است. به منظور به دست آوردن بینش مناسب در رابطه با تعداد الگوهای افراد در معرض خطر بیماری های قلبی- عروقی و دیابت، بر مبنای شاخص چربی خون و قند خون، از فرایند دیریکله استفاده شده است.یافته ها: تاثیر متغیرهای شاخص تن سنجی، رده سنی و جنسیت بر خوشه بندی با وارد کردن آن ها به عنوان متغیرهای توضیحی در مدل رگرسیونی و درنتیجه حذف اثر آنها بر خوشه بندی، مورد بررسی قرار گرفت. نتایج منجر به تشکیل سه خوشه شد، به طوری که درصد افراد تخصیص یافته به خوشه های 1 تا 3، به ترتیب برابر با 47% (1310 نفر)، 4% (112 نفر) و 49% (1366 نفر) شد. با بررسی چارک های متغیرهای قندخون و چربی خون، نتیجه می شود که افراد قرار گرفته در خوشه 3 که حجم بزرگی از کودکان و نوجوانان نمونه را تشکیل می دهند، از لحاظ شاخص چربی خون و نیز قندخون، افراد در معرض خطر محسوب می شوند. هم چنین افراد خوشه اول دارای قندخون و شاخص چربی خون نرمال و افراد خوشه دوم دارای قندخون در محدوده خطر و شاخص چربی خون نرمال هستند.نتیجه گیری: در خوشه بندی کودکان و نوجوانان از لحاظ دو متغیر قندخون و شاخص چربی خون، متغیرهای جنسیت، رده سنی و شاخص تن سنجی عوامل تاثیرگذار بر تعداد و ساختار خوشه ها هستند. هم چنین، افراد نمونه به سه خوشه، افراد با وضعیت نرمال، افراد در ریسک ابتلا به بیماری دیابت و افراد در ریسک بیماری های قلبی- عروقی و نیز دیابت، تقسیم بندی شدند.

مقدمه: بتا تالاسمی ماژور بیماری خونی بسیار سختی است که علائم بالینی آن زودرس بوده و از سنین 6-3 ماهگی ظاهر می شوند. این بیماری جزء شایع ترین بیماری های تک ژنی در جهان و ایران می باشد و چنانچه در اولین سال های عمر تشخیص داده نشده و تحت درمان قرار نگیرد منجر به مرگ می شود. در این مطالعه جهت بررسی عوامل موثر بر بقای بیماران بتا تالاسمی ماژور از مدل های نیمه پارامتری کاکس و پارامتری وایبل استفاده و کارایی آنها مقایسه شد. روش کار: در این مطالعه گذشته نگر طولی با به کار گیری روش نمونه گیری در دسترس از اطلاعات مربوط به 300 بیمار مبتلا به بتا تالاسمی ماژور که در طی سال های 1373 تا اواسط سال1396 به درمانگاه تالاسمی ظفر واقع در شهر تهران مراجعه کرده اند، استفاده شد. برای مقایسه مدل ها و انتخاب بهترین مدل از ملاک اطلاع آکاییکه استفاده شد. تجزیه و تحلیل داده ها با استفاده از نرم افزار Stata نسخه 13 انجام گرفت. یافته ها: مقادیر ملاک اطلاع آکاییکه برای مدل نیمه پارامتری کاکس و مدل پارامتری وایبل به ترتیب 600/277و 211/107به دست آمد. بر اساس هر دو مدل کاکس و وایبل متغیرهای نحوه تزریق خون، سن شروع دسفرال و میزان رسوب آهن در کبد با بقای بیماران رابطه معنی داری داشتند. بر اساس ملاک آکاییکه، کارایی مدل وایبل بهتر از مدل کاکس بود.

روش های متعددی برای خوشه بندی داده های بیان ژن دوره ای زمانی وجود دارد ولی محدودیت هایی برای این روش ها وجود دارد که از جمله آن ها می توان به عدم در نظر گرفتن همبستگی در طول زمان و زمان بر بودن محاسبات اشاره داشت. در این مقاله با معرفی مدل های اثرات آمیخته ناپارامتری و نیمه پارامتری، این همبستگی در طول زمان در نظر گرفته شده و با استفاده از اسپلاین تاوانیده، حجم محاسبات به طور چشم گیری کاهش یافته است. در پایان با استفاده از مطالعه شبیه سازی عملکرد روش پیشنهادی با روش های قبلی مقایسه و با استفاده از ملاک BIC، مدل مناسب تر انتخاب و تحلیل می شود. همچنین روش پیشنهادی در یک مثال کاربردی داده های بیان ژن دوره ای زمانی ارائه شده است.

بازارهای مالی دائماً در معرض ریسک می باشند. پیش بینی و محاسبه ریسک یکی از مهم ترین موضوعات در حوزه مباحث مالی است. با مرور بحران های مالی سال های اخیر می توان این طور استنباط کرد که یکی از دلایل وقوع این بحران ها توجه بیش از حد به داده های پرتکرار مرکزی و عدم توجه به داده های فرین است. به عبارت دیگر در تجزیه و تحلیل داده های مالی باید به بخش انتهایی توزیع نیز توجه نمود. هدف از این پژوهش، ارائه مدلی جهت برآورد ریسک دنباله ای با استفاده از مدل های ترکیبی ارزش فرین است. بر همین اساس از چهار مدل تک دنباله ای و یک مدل دو دنباله ای در دو تابع ساده و GARCH استفاده شده است. مدل سازی بر مبنای سه دسته داده صورت گرفته است. داده های مورد بررسی شامل شاخص کل، شاخص قیمت (هم وزن) و شاخص 50 شرکت برتر می باشد. دلیل اصلی استفاده از این شاخص ها یافتن نتایج حساسیت و عملکرد مدل های مختلف بر روی داده های اقتصادی بازار سرمایه کشور است. با توجه به نتایج بدست آمده، شبیه سازی مدل ها با GARCH به طور قابل توجهی عملکرد مدل ها را بهبود می بخشد و میزان خطای داده های شبیه سازی شده در مدل های مبتنی بر GARCH کاهش می یابد. همچنین یافته ها حاکی از آن است که مدل های دو دنباله ای نسبت به مدل های تک دنباله ای از دقت بیشتری برخوردارند.

هدف این مقاله به دست آوردن بهترین متغیرهای کمکی تاثیرگذار بر متغیر پاسخ در مدل های نیم پارامتری تحت شرایطی است که تابع تاوانیده نیز در مساله وجود دارد. لازم به ذکر است که ترکیبی از پارامترها به عنوان ضرایب متغیرهای موجود در هر مدل ارایه شده که برخی از آن ها به صورت خطی و بعضی دیگر به صورت تابعک بر متغیر پاسخ تاثیرگذارند. لاجرم روش نیم پارامتری به عنوان یک راه حل بهینه در حل مساله مدنظر قرار گرفته است. لذا در این مقاله مساله انتخاب متغیر را در مدل های تعمیم یافته نیم پارامتری آمیخته متناهی مورد بررسی قرار خواهیم داد. این مساله خود شامل انتخاب مدل در مولفه ناپارامتری مدل و انتخاب متغیر در بخش پارامتری می شود. بنابراین با انتخاب مدل های مجزایی برای هر مولفه ناپارامتری هر زیر مدل مواجه خواهیم بود. به منظور غلبه بر این بار محاسباتی بالا، کلاسی از رویه های انتخاب متغیر را برای مدل های تعمیم یافته نیم پارامتری آمیخته متناهی معرفی خواهیم کرد. نشان خواهیم داد رویکرد جدید برای انتخاب متغیر، سازگار است. همچنین به کمک شبیه سازی نشان خواهیم داد روش پیشنهادی از کارایی مناسبی برخوردار بوده و روش های موجود را بهبود می بخشد و علاوه بر این به توان محاسباتی کمتری نیاز دارد.