انتخاب متغير و خوشه بندي داده هاي طولي براساس تاريخچه متغير پاسخ

اصفهان : دانشگاه صنعتي اصفهان

آمار

كارشناسي ارشد

امروزه با توجه به گسترش تكنولوژي، امكان ثبت حجم عظيمي از داده ها و همچنين جمع آوري آنها براي تعداد زيادي از متغيرها براي افراد يا واحدهاي آزمايشي مختلف وجود دارد. زماني كه متغيرها براي واحدهاي آزمايشي گوناگون در طي زمان ثبت و جمع آوري شود، داده هاي حاصل داده هاي طولي ناميده مي شوند. در سال هاي اخير تجزيه و تحليل داده هاي طولي در زمينه هاي مختلفي از جمله روانشناسي باليني براي رديابي فرآيندهاي ذهني بيمار در طول زمان، تحقيقات بازار براي مشاهده روند و الگوي خريد مصرف كننده، نظرسنجي سياسي، براي بررسي سنجش تغيير افكار عمومي، جامعه شناسي براي نظارت بر رويدادهاي زندگي و تغييرات اجتماعي، علوم اقتصادي و اپيدميولوژي استفاده شده است. هدف اصلي از تجزيه و تحليل داده هاي طولي در نظر گرفتن همبستگي بين مشاهدات و دستيابي به تخمين هاي كارآمدتر براي پارامتر هاي مدل و در نتيجه پي شبيني هاي دقيق تر است. در اصل، همبستگي بين داده هاي طولي در درجه اول به دو عامل نسبت داده مي شود: همبستگي درون گروهي و همبستگي پياپي. يكي از روش هاي اصلي براي تجزيه و تحليل داده هاي طولي، استفاده از خوشه بندي است. در خوشه بندي، واحد هاي آزمايشي به گروه هاي متمايز و معني دار گروه بندي مي شوند و واحد هاي داراي بيشترين شباهت در يك خوشه قرار مي گيرند. با توجه به ساختارهاي وابستگي مختلف در داده هاي طولي و در دسترس بودن معيارهاي شباهت متنوع، خوشه بندي مبتني بر مدل به عنوان يكي از انعطاف پذيرترين و كاربردي ترين تكنيك ها استفاده مي شود. اين رويكرد با در نظر گرفتن آميخته اي از توزيع ها براي كشف و شناسايي وابستگي هاي متقابل بين افراد يا مشاهدات در نظر گرفته شده و در اين پايان نامه مورد توجه قرار مي گيرد. علاوه بر اين، در اين پايان نامه رويكرد جديدي براي خوشه بندي و مدل سازي داده هاي طولي بررسي مي شود. در اين روش، خوشه بندي بر اساس تاثير ضريب متغير پاسخ تاخيري صورت مي گيرد. در واقع، با در نظر گرفتن يك ضريب تصادفي براي متغير پاسخ تاخيري و استفاده از فرآيند ديريكله به عنوان پيشين براي توزيع اين اثرات تصادفي، افراد را بر اساس رفتار از نظر وابستگي به نتايج قبلي شان خوشه بندي مي كنيم. تخمين پارامترها در چارچوب بيزي با استفاده از روش هاي ) بدست مي آيد. در واقع، اين رويكرد از خوشه بندي براي MCMC شبيه سازي زنجيره ماركوف مونت كارلو ( شناسايي و بررسي افراد با رفتارهاي متمايز در رابطه با وابستگي آنها به تاريخچه پاسخ، تجزيه و تحليل داده ها و ايجاد مدل هاي بسيار دقيق و پي شبيني كننده استفاده مي كند. در اين راستا، هر دو اثر ثابت و تصادفي براي بررسي و كنترل منابع تغييرپذيري در داده هاي طولي، با ماهيت گسسته فرآيند ديريكله براي خوشه بندي افراد بر اساس ضرايب متغير پاسخ تاخيري، استفاده مي شوند. همچنين، در اين پايان نامه از رويكرد انتخاب متغير در تحليل داده هاي طولي استفاده شده است. اين فرآيند شامل شناسايي عوامل يا ويژگي هاي مهمي است كه امكان تمايز خوشه ها را با روندهاي متفاوت فراهم مي كند. متغيرهاي انتخاب شده در مجموع بيشترين تأثير را بر متغير پاسخ دارند. انتخاب متغير مي تواند دقت و كارايي برآورد پارامترها و نتايج خوشه بندي را بهبود بخشد و همچنين پيچيدگي و بعد داده ها را كاهش دهد. با اين حال، انتخاب متغير براي خوشه بندي داده هاي طولي به دليل همبستگي هاي درون گروهي، نقاط پرت در داده ها و در نظر گرفتن اندازه هاي مختلف براي خوشه، چالش برانگيز است. در ادامه، مطالعات شبيه سازي براي بررسي رويكردهاي پيشنهادي در اين پايان نامه انجام شده است.

223466

اقتصادي-اجتماعي

رياضي

دانشگاه صنعتي اصفهان