مساله درونیابی هرمیت درجه پنجم فازی تعمیمی است بر درونیابی لاگرانژ فازی توسط برازش یک چندجمله ای بر تابع فازی مقدار f که نه تنها در هر گره مقدار f را درونیابی می کند بلکه مشتقات متوالی تعمیم یافته هاکوهارای f تا مرتبه دوم را نیز درونیابی می نماید. جواب ارائه شده در این مقاله برای مساله درونیابی هرمیت درجه پنجم فازی بر مبنای ترکیب خطی توابع پایه ی اصلی فضای خطی چندجمله ای های درجه پنجم استوار است و همین روش جهت بیان چندجمله ای درونیاب هرمیت قطعه ای درجه پنجم فازی نیز تعمیم می یابد.در ابتدا روش ساخت و مثالی برای درونیاب هرمیت درجه پنجم فازی بین دو گره بیان می شود. از آنجاکه روش ارائه شده برای درونیابی توابع مشتق پذیر تعمیم یافته هاکوهارا از مرتبه اول نیز صادق است در ادامه طی یک مثال دو چند جمله ای درونیاب هرمیت قطعه ای درجه سوم فازی و هرمیت ساده فازی برای داده های مشابه را مقایسه نموده و دلایل برتری روش قطعه ای را بیان می نمائیم و در پایان چند جمله ای درونیاب هرمیت قطعه ای درجه پنجم فازی ارائه می شود. استفاده از چنین درونیابی نشان می دهد که با بالا رفتن درجه چند جمله ای درونیاب هرمیت قطعه ای فازی از درجه سه به پنج شرایط همواری در هسته چندجمله ای درونیاب بهبود می یابد.

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

زمینه و هدف: در مطالعات علوم پزشکی مکررا با داده های طولی که در طول زمان جمع آوری می شوند برخورد می گردد. زمانی که مدل سازی میانگین حاشیه ای هدف اصلی مطالعه است و ساختار همبستگی به عنوان یک پارامتر مزاحم در نظر گرفته می شود، معادلات برآوردی تعمیم یافته مرتبه اول (GEE1) معمولا یک راه حل مناسب پیشنهاد می کند. اما زمانی که مدل سازی ساختار همبستگی یکی از اهداف تحلیل است، معادلات برآوردی تعمیم یافته مرتبه دوم (GEE2) می تواند انتخاب اول برای تحلیل داده ها باشد. به همین جهت هدف از این مطالعه معادلات برآوردی تعمیم یافته مرتبه اول و دوم و کاربرد آن در تحلیل داده های طولی ریزنشت می باشد.روش بررسی: این مطالعه از نوع طراحی مدل آماری است. در این مقاله، روش های GEE1 و GEE2 در داده های به دست آمده از مطالعه ریزنشت دو ماده پرکننده انتهای ریشه دندان شاملMTA  و CEM با دو ارتفاع و دو قطر مختلف و همچنین در سه نوبت تکرار (روز اول، هفته اول و ماه اول)، مورد استفاده قرار گرفتند و نتایج این دو روش آماری، در داده های کمی و دو حالته (وجود یا عدم وجود) ریزنشت مقایسه شدند.یافته ها: نتایج حاصل از GEE1 و GEE2 در داده های میزان ریزنشت نشان داد که زمان، نوع ماده پرکردنی، قطر و ارتفاع ماده پرکردنی اثر معنی داری بر میزان ریزنشت دارند. همچنین نتایج داده های دو حالته ریزنشت توسط دو روش آماری فوق، معنی داری زمان و نوع ماده پرکردنی را اثبات کردند. همبستگی بین تکرارها در داده های پیوسته غیرمعنی دار و در داده های دوحالتی معنی دار بود.نتیجه گیری: با توجه به اینکه در داده ها میزان ریزنشت، همبستگی بین تکرارها معنی دار نشد و برآوردهای حاصل از دو روشGEE1  و GEE2 یکسان شدند، در نتیجه در این داده ها روش ساده تر GEE1 کفایت می کند. اما از آنجا که در داده های دو حالته ریزنشت، رابطه بین تکرارها معنی دار گردید، بهتر است از روش GEE2 استفاده شود تا ساختار همبستگی به طور کاراتری برآورد گردد.

متن کامل مقاله های این شماره به زبان انگلیسی منتشر شده است، لطفا برای مشاهده مقالات به بخش انگلیسی مراجعه فرماییدلطفا برای مشاهده مقاله های این شماره اینجا را کلیک کنید.

متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

در این مقاله روشی جدید جهت محاسبه مقدار یک انتگرال معین ارائه شده است. این روش با استفاده از یک سری تیلور تعمیم یافته و با توجه به مشتقات تاج تحت انگرال در یک نقطه خاص بدست آمده است.