تقدير دوال الانحدار الرتيب متعدد المتغيرات الضبابي مع تطبيق عملي

2024-12-23

اطروحة دكتوراه

اسم الباحث : علي محمد عبيد

اسم المشرف : مهدي وهاب نصر الله

الكلمات المفتاحية : الضبابية , متعدد المتغيرات ,الرتيب,الخوارزميات

الكلية : كلية الادارة والاقتصاد

الاختصاص : فلسفة علم الاحصاء

سنة نشر البحث : 2024

تحميل الملف : اضغط هنا لتحميل البحث

المشاهدات: 0

المستخلص
في هذه الأطروحة تم إقتراح انموذج الانحدار الرتيب الضبابي (Fuzzy Isotonic Regression Model) باعتبار ان المتغير المعتمد ضبابي باستخراج درجات عدم الانتماء لمشاهدات هذا المتغير بهدف استبعاد المشاهدات قليلة الاهمية من الانموذج وبالتالي زيادة دقة الانموذج , وتم تقدير الانموذج المقترح باستعمال ثلاث طرائق هي طريقة الامكان الاعظم الرتيبة الضبابية وطريقة المربعات الصغرى الرتيبة الضبابية ((FILSR ومقدرM الرتيب الضبابي (FIM) وتم المقارنة بين هذه الطرائق والطرائق نفسها بعدم وجود الضبابية باستعمال تجارب محاكاة مونت –كارلو عند نماذج مختلفة تتضمن متغيرات مستقلة (p=5, 10, 15, 30) واحجام عينات (n=50, 100, 250, 300) وتم التوصل الى ان افضل طريقة لتقدير دالة الانحدار الرتيب هي طريقة الامكان الاعظم الرتيبة الضبابية وتليها طريقة المربعات الصغرى الرتيبة الضبابية واخيرا كانت طريقة M الرتيبة الضابية. وان طريقة الامكان الاعظم الرتيبة الضبابية وطريقة المربعات الصغرى الرتيبة الضبابية متقاربتان في التقدير . كذلك تم استعمال بيانات حقيقية تمثل (250) مريض مصاب بمرض الكلى المزمن ((CKD للسنوات (2023-2019) من دائرة صحة كربلاء المقدسة- مستشفى الحسين التعليمي اذ ان المتغير التابع (y) كان معدل الترشيح الكبيبي (Glomerular Filtration Rate GFR) ومجموعة من المتغيرات المؤثرة على الاصابة بالمرض بواقع واحد وعشرون متغير مستقل وهي X1 العمر (Age) و X2 الجنس (Sex) و X3 التاريخ العائلي (Family Historical) و X4 مؤشر كتلة الجسم (Body Mass Index (BMI)) kو X5 ضغط الدم (Blood Pressure) و X6 مرض السكري (Diabetic) و X7 التدخين (Smoking) و X8 مستويات الكوليسترول (Cholesterol levels) و X9 النظام الغذائي (Diet) و X10 مستويات البروتين في البول (البروتينوريا) مؤشر لتلف الكلى) (Proteinuria) و X11 تناول مضادات الالتهاب غير الستيرويدية (NSAIDs) و X12 الوظائف القلبية (Cardiac functions) و X13 مستويات الفوسفور (Phosphorus levels) و X14 مستويات الكالسيوم (Calcium levels) و X15 مستويات البوتاسيوم (Potassium levels) و X16 مستويات البروتين في البول (Proteinuria) و X17 مستويات حمض اليوريك (uric acid levels) ر و X18 مستويات الفيتامين D (Vitamin D levels) و X19 التعرض المزمن للجفاف (Chronic Exposure to Dehydration) وX20 التعرض للأشعة السينية والمواد المشعة (Exposure to x-rays and radioactive materials) وتم التوصل الى ان الطريقة كانت فعالة في تقدير انموذج الانحدار الرتيب في ظل بانات لها اتجاه رتيب متصاعد اذ كانت القيم الحقيقية متناسقة مع القيم التقديرية.

Rp-Estimation of fuzzy Multivariate Monotonic Regression Function with an Application.pdf

In this thesis, the Fuzzy Isotonic Regression Model was proposed considering that the dependent variable is fuzzy by extracting the degrees of non-affiliation for the observations of this variable with the aim of excluding the observations of little importance from the model and thus increasing the accuracy of the model. The proposed model was estimated using three methods: the fuzzy monotonic maximum likelihood method, the fuzzy monotonic least squares method (FILSR) and the fuzzy monotonic M estimator (FIM). These methods were compared with the same methods in the absence of fuzziness using Monte-Carlo simulation experiments for different models that include independent variables (p=5, 10, 15, 30) and sample sizes (n=50, 100, 250, 300). It was concluded that the best method for estimating the monotonic regression function is the fuzzy monotonic maximum likelihood method, followed by the fuzzy monotonic least squares method and finally the fuzzy monotonic M method. The fuzzy monotonic maximum likelihood and fuzzy monotonic least squares method are close in estimation. Also, real data representing (250) patients with chronic kidney disease ((CKD) for the years (2023-2019) from the Karbala Health Department – Al-Hussein Teaching Hospital were used, as the dependent variable (y) was the glomerular filtration rate (GFR) and a set of variables affecting the incidence of the disease with twenty-one independent variables, which are X1 Age (Age), X2 Sex (Sex), X3 Family History (Family Historical), X4 Body Mass Index (BMI)) k, X5 Blood Pressure (Blood Pressure), X6 Diabetes (Diabetic), X7 Smoking (Smoking), X8 Cholesterol levels (Cholesterol levels), X9 Diet (Diet), X10 Protein levels in the urine (Proteinuria) (an indicator of kidney damage) (Proteinuria), and X11 Taking nonsteroidal anti-inflammatory drugs NSAIDs, X12 Cardiac functions, X13 Phosphorus levels, X14 Calcium levels, X15 Potassium levels, X16 Proteinuria, X17 Uric acid levels, X18 Vitamin D levels, X19 Chronic exposure to dehydration, X20 Exposure to x-rays and radioactive materials. It was found that the method was effective in estimating the monotonic regression model under data with a monotonic increasing trend, as the actual values were consistent with the estimated values.