NATIONAL BIBLIOGRAPHY NUMBER
Number
T27901
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
انگلیسی
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
Fitting the truncated regression model to count data
General Material Designation
Dissertation
First Statement of Responsibility
Sajjad Ghalib Kadhim
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
Mathematics, Statistics and Computer Science
Date of Publication, Distribution, etc.
1401
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
63p.
Other Physical Details
cd
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
M.S.
Discipline of degree
Mathematical Statistics
Date of degree
1401/10/04
SUMMARY OR ABSTRACT
Text of Note
Regression is used to predict a count-dependent variable based on several independent variables. Because the dependent variable is count, simple linear regression is not used much, and more count regressions are used, the most common of which are Poisson regression and negative binomial regression, which belong to generalized linear models. In this thesis, while examining these two models in advance, we pay attention to the models that are truncated, and we will conduct a simulation study to analyze the performance of the proposed truncated regression models against the standard models, and in this regard, we will compare these models with We will compare. Finally, a practical example with real data is provided for the application of truncated models.
Text of Note
در پیش بینی یک متغیر وابسته شمارشی بر اساس چند متغیر مستقل از رگرسیون استفاده می شود. به دلیل اینکه متغیر وابسته شمارشی است رگرسیون خطی ساده کاربرد زیادی ندارد و بیشتر از رگرسیون های شمارشی استفاده می شود که پرکاربرد ترین انها رگرسیون پواسن و رگرسیون دوجمله ای منفی است که متعلق به مدل های خطی تعمیم یافته هستند. در این پایان نامه ضمن بررسی مقدماتی این دو مدل به مدل های توجه می کنیم که بریده شده هستند و مطالعه شبیه‌سازی را به منظور تحلیل عملکرد مدل‌های رگرسیون بریده شده¬ی پیشنهادی در برابر مدل‌های استاندارد انجام خواهیم داد و در این راستا این مدلها را با هم مقایسه خواهیم کرد. در نهایت مثال کاربردی با داده های واقعی به منظور کاربرد مدل¬های بریده شده ارائه می شود.
OTHER VARIANT TITLES
Variant Title
برازش مدل رگرسيون بريده شده به داده هاي شمارشي
UNCONTROLLED SUBJECT TERMS
Subject Term
Count Data - Generalized Linear models- Negative binomial regression - Poisson Regression - Truncated models
Subject Term
داده های شمارشى – مدل های خطی تعمیم یافته -رگرسیون پواسون – رگرسیون دوجمله ای منفی – مدل¬های بریده شده
PERSONAL NAME - PRIMARY RESPONSIBILITY
Entry Element
Ghalib Kadhim,
Part of Name Other than Entry Element
Sajjad
Relator Code
Producer
PERSONAL NAME - SECONDARY RESPONSIBILITY
Entry Element
Bevrani,
Part of Name Other than Entry Element
Hossein
Relator Code
Thesis advisor
CORPORATE BODY NAME - SECONDARY RESPONSIBILITY
Entry Element
Tabriz
ORIGINATING SOURCE
Country
ایران
Agency
Central Library of Tabriz University
Date of Transaction
20230125
LOCATION AND CALL NUMBER
Call Number
ارشد پایاننامه QA276.G4 1401
ELECTRONIC LOCATION AND ACCESS
Electronic name
Sajjad Ghalib Kadhim
Contact for access assistance
عبادی
e
TL
276903
a
Y
