مساله پیشگویی متغیر پاسخ با استفاده از مجموعه متغیرهای کمکی در مدل رگرسیون خطی را در نظر بگیرید. اگر به طور پیشینی معلوم باشد یا گمان رود که زیرمجموعه ای از متغیرهای کمکی در برازش کلی مدل به طور معنی داری سهیم نیستند، مدلی مقید که این متغیرهای کمکی را کنار می گذارد می تواند بسنده باشد. از سوی دیگر، اگر این زیرمجموعه اطلاعاتی سودمند فراهم سازد، روش تربخشی برای به دست آوردن برآورد پارامترها، برآوردگرهای مقید و نامقید را با هم ترکیب می کند. چنین برآوردگری بهتر از برآوردگرهای ماکزیمم درستنمایی کلاسیک عمل می کند. اعتبار هر گونه اطلاع پیشینی می تواند از راه آزمون مقدماتی (پیش آزمون) سنجیده شود، و با توجه به این اعتبار، می تواند به صورت یک قید پارامتری در مدل گنجانده شود. بدین سان، برآوردگر پیش آزمونی، با توجه به برآمد آزمون مقدماتی، بین برآوردگرهای مقید و نامقید انتخاب به عمل می آورد. برای تشریح کاربرد روش برآورد تربخشی و پیش آزمونی، مثال هایی که سه مجموعه داده های واقعی را به کار می گیرند ارائه می شوند. عملکرد برآوردگرهای مثبت تربخشی و پیش آزمونی با برآوردگر نامقید تحت درجه های متغیر عدم حتمیت اطلاعات پیشینی، مقایسه می شوند. بررسی مونت کارلویی خواص مجانبی برآوردگرهای موجود در نوشتگان را باز تایید می کند.

In this article, an attempt has been made to estimate the amount of sound transmission loss in a flat oval channel by applying the approach of statistical energy analysis. Correct estimation of sound transmission loss in an air conditioning channel is of great importance due to the harmful effects of noise pollution in the environment on human health. Simulation with the statistical energy analysis method is a powerful approach to estimate sound and vibration in problems in which we deal with complex and multi-part systems; is considered. In this method, first, a system is divided into several subsystems, and then by writing a matrix equation that includes the energy exchanges between subsystems and energy loss coefficients; It is investigated from the perspective of vibration and sound estimation.On average, the model presented in this research is able to estimate the sound transmission loss in different dimensions of the air conditioning channels according to the experimental results in the accuracy range of ± 2.5 dB. Considering that it seems that the results obtained from modeling with this method are in good agreement with the experimental data; The results of this research can be used as an efficient approach to estimate noise in oval shaped channels stretched in different lengths.

This study aimed to estimate the genetic parameters of body weight traits in Markhoz goats, using B-spline random regression models. The data used in this study included 19549 records collected during 29 years (1992-2021) in Markhoz goat Breeding Research Station, located in Sanandaj, Iran. The model used to analyze data included fixed effects (year of birth, sex, type of birth and age of dam) and random effects including direct additive genetic, maternal additive genetic, permanent environmental and maternal permanent environmental assuming homogeneous and heterogeneous residual variance during the time. Akaike (BIC) and Bayesian (BIC) information criteria were used to compare the models and bspq.4.4.4.4 was selected as the best model. The direct heritability values for birth, 3-month, 6-month, 9-month and 12-month weights were estimated to be 0.14, 0.16, 0.08, 0.28 and 0.26, respectively. Genetic correlation between body weights at birth and 3-month, birth and 6-month, birth and 9-month, birth and 12-month, 3-month and 6-month, 3-month and 9-month, 3-month and 12-month, 6-months and 9-month and 9-month and 12-month were 0.22, 0.38, 0.21, 0.56, -0.26, 0.30, 0.62, 0.86 and 0.77, respectively. The highest phenotypic correlation was between the weight of 9-month and 12-month (0.82) and the lowest correlation was between birth weight and 3-month and 6-month (0.12). The results showed that the 9-month weight is a good criterion for selection in Markhoz goats.

معمولا برای براورد پارامترهای یک مدل رگرسیونی از روش های مرسوم براوردیابی مانند روش کمترین توان دوم خطا استفاده می شود. گاهی اوقات محقق دارای اطلاع پیشین درمورد پارامتر عرض از مبدأ به صورت یک حدس است که به آن اطلاع پیشین غیرنمونه ای می گویند. در این مقاله یک براوردگر پیش آزمون انقباضی برای پارامتر عرض از مبدأ با توجه به اطلاع پیشین غیرنمونه ای معرفی و کارایی آن تحت تابع زیان نرمال برگردانده مورد بررسی قرار می گیرد. رفتار براوردگر پیش آزمون انقباضی در مقایسه با براوردگر کمترین توان دوم خطا به کمک شبیه سازی ارزیابی می شود. بازه هایی که براوردگر پیش آزمون انقباضی دارای مخاطره کمتری نسبت به براوردگر کمترین توان دوم خطا است ارائه می شود. نتایج نشان می دهد هرچه مقدار حدس زده شده به پارامتر واقعی نزدیک تر باشد براوردگر پیش آزمون انقباضی عملکرد بهتری نسبت به برآوردگر کمترین توان دوم خطا دارد. همچنین با استفاده از روش ماکس مین مقدار بهینه سطح معنی داری آزمون تعیین می شود. سپس با استفاده از یک مجموعه داده واقعی، براوردگرهای پیشنهادی مقایسه می شوند.

طرح های پیش آزمون-پس آزمون با گروه کنترل یکی از طرح های متداول در تحقیقات بالینی و آموزشی است. با این که تحلیل داده های این طراحی به صورت های مختلفی انجام می شود، اما با توجه به تعامل بین نمره پیش آزمون و مداخله به عنوان عامل تهدیدکننده روایی داخلی مطالعه، کنترل آن با استفاده از آنالیز کوواریانس (ANCOVA) توصیه می شود. همچنین با توجه به اهمیت برآورد صحیح اندازه اثر ناشی از مداخله لازم است، تفاوت روش های متداول از جهت صحت برآورد آن بررسی شود. در این خصوص ANCOVA یک مدل خطی رایج که ترکیبی از آنالیز واریانس و رگرسیون است، اندازه اثر بهتری نسبت به تحلیل های رایج دیگر تخمین می زند. در این مقاله برای روشن تر شدن اختلاف نتایج آزمون تی مستقل با ANCOVA، داده های یک مطالعه فرضی با این دو آزمون تحلیل و مقایسه شد. نتیجه نشان داد که اندازه اثر به دست آمده از ANCOVA بزرگ تر از آزمون تی مستقل است. از این رو پیشنهاد می شود در تحلیل داده ها و برآورد مقدار اثر در طرح های پیش آزمون-پس آزمون با گروه کنترل از آزمون ANCOVA استفاده شود.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.