research centers


Search results: Found 16

Listing 1 - 10 of 16 << page
of 2
>>
Sort by

Article
Robust Estimators of Logistic Regression with Problems Multicollinearity or Outliers Values.

Authors: Fadhil Abbul Abbas AL- Aabdi --- Rafid Malik Atiyah AL – Shaibani
Journal: Journal of Kufa for Mathematics and Computer مجلة الكوفة للرياضيات والحاسوب ISSN: 11712076 Year: 2014 Volume: 2 Issue: 2 Pages: 64-71
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

Whenever there is a relationship between the explanatory variables (X_S). This relationship causes multicollinearity which in turn leads to inaccurate and bias estimations of the model parameters. Therefore, this results in high discrepancy that influences the next phase of the statistical inference where (OLS), method loses its features having the lowest variance. Consequently, this paper concerns itself with figuring out methods that can be applied by researchers and those who are interested in this field to overcome this problem using (Ridge) method. Moreover, the paper seeks to solve other problems such as the loss of normal distribution property or abnormalility by means of methodical means including (Ridge) and (Robust Ridge). However this study is applied through simulation experiments aim at producing the data of the model. Based on these experiments and tests, the research has come up with the result that (Robust Ridge) is the best method that might be employed to solve the problem of has both normal and abnormal data for the estimation of the parameters of the Logistic Regression Model.


Article
Recovering Jackknife Ridge Regression Estimates from OLS Results
معالجة مقدرات انحدار الحرف لـJackknife بواسطة المربعات الصغرى

Author: Feras Sh. Mahmood فراس شاكر محمود
Journal: Journal of university of Anbar for Pure science مجلة جامعة الانبار للعلوم الصرفة ISSN: ISSN: 19918941 Year: 2013 Volume: 7 Issue: 2
Publisher: University of Anbar جامعة الانبار

Loading...
Loading...
Abstract

The aim of this paper is addressing or recalculate the estimation methods in multiple linear regression model when there is a problem of Multicollinearity in this model like the ridge regression for Hoerl and Kannard, Baldwin estimator (HKB) and Jackknifed ridge regression estimator (JRR) using least-squares estimators which the last are the best unbiased estimators, consistent and linear. In this paper we proposed a formula to calculate the above estimators easily depending on the least-squares estimator, this treatment as a mathematical formula faster than the HKB estimator that depend on reducing the variance and JRR estimator that depend on reducing the bias. We used numerical examples of the pricing method in comprehensive quality and environmental quality as air pollution in places as pricing environment. After the comparison JRR and HKB estimates are superior to the OLS estimates under the mean squared error (MSE) criterion. 2000 Mathematics Subject Classification: Primary 62J07.

ان الهدف من هذا البحث هو معالجة او اعادة حساب طرق التقدير في نموذج الانحدار الخطي المتعدد عند وجود مشكلة التداخل الخطي في النموذج مثل مقدرانحدار الحرف لـ Hoerl وKannard و Baldwin (HKB) ومقدر انحدار الحرف لـ Jackknife (JRR) باستخدام مقدرات المربعات الصغرى التي هي افضل مقدرات غير متحيزة ومتسقة وخطية. في هذا البحث اقترحنا صيغة لحساب المقدرات اعلاه بطريقة اسهل اعتمادا على مقدر المربعات الصغرى وهذه المعالجة كصيغة رياضية اسرع من مقدر HKB التي تعتمد على تقليل التباين ومقدر JRR التي تعتمد على تقليل التحيز. قمنا باستخدام امثلة عددية لاسلوب التسعير في الجودة الشاملة وخاصة الجودة البيئية كتلوث الهواء في تسعير الاماكن حسب البيئة. بعد المقارنة لوحظ ان مقدر HKB ومقدر JRR متفوقة على مقدرات المربعات الصغرى باستخدام معيار متوسط مربعات الخطأ.


Article
A Suggested Method of Detecting Multicollinearity in Multiple Regression Models
طريقة مقترحة لاكتشاف الازدواج الخطي في نماذج الانحدار المتعدد

Author: Abdalla M. EL-HABIL
Journal: TANMIAT AL-RAFIDAIN تنمية الرافدين ISSN: PISSN: 1609591X / EISSN: 2664276X Year: 2012 Volume: 34 Issue: 106 Pages: 7-21
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

In literature, several methods suggested for the detection of multicollinearity in multiple regression models, and one of the multicollinearity problems solutions is to omit the explanatory variables in the model, which cause the multicollinearity. In this paper, we concentrated on the extra sum of squares method as a suggested method that can be used for detecting multicollinearity. The method of extra sum of squares is applied to real data on the annually surveys about smoking were conducted by the American Federal Trade Commission (FTC). In this data, we detected multicollinearity, then we solved this problem by using the ridge regression and we got the new estimates of the new model without omitting any of the explanatory variables.

في الدراسات الأدبية، تم اقتراح العديد من الأساليب للكشف عن مشكلة الازدواج الخطي في نماذج الانحدار الخطي المتعدد، وكان من ضمن الحلول لهذه المشكلة هو حذف بعض المتغيرات المفسرة التي تتسبب في إيجاد مشكلة الازدواج الخطي من النموذج. في هذه الورقة البحثية، ركزنا على طريقة مجموع مربعات الانحدار كطريقة مقترحة يمكن استعمالها في اكتشاف الازدواج الخطي. ومن أجل ذلك قمنا بتحليل بيانات حقيقية صادرة عن المؤسسة الفيدرالية الأمريكية للتجارة والتي تعنى بعمل دراسات ميدانية سنوية عن التدخين، حيث تم اكتشاف الازدواج الخطي في النموذج المقدر، ثم بعد ذلك تم علاج تلك المشكلة باستخدام انحدار ردج دون حذف أي من المتغيرات المفسرة.


Article
RUF procedures forgetting the best subset linear regression model"
خطوات استخدام RUF للحصول على افضل نموذج (جزئي) للانحدار الخطي"

Author: صباح فرج عبد الحسين
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2012 Volume: 18 Issue: 66 Pages: 357-386
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The purpose behind building the linear regression model is to describe the real linear relation between any explanatory variable in the model and the dependent one, on the basis of the fact that the dependent variable is a linear function of the explanatory variables and one can use it for prediction and control. This purpose does not cometrue without getting significant, stable and reasonable estimatros for the parameters of the model, specifically regression-coefficients. The researcher found that "RUF" the criterian that he had suggested accurate and sufficient to accomplish that purpose when multicollinearity exists provided that the adequate model that satisfies the standard assumpitions of the error-term can be assigned. It is wrong to ignore the assumptions and depend directly on the least "MSE & PRESS" and greatest " " because it satisfies the model with false fit to data, whereas the regession coefficients are still unstable and unreasonable because of the multicollinearity and the effect of the error-term on the explanatory and predicted power. So the researcher has made procedures for using his criterion "RUF" to get the real best subset linear model.

ان الغرض من بناء نموذج الانحدار الخطي هو وصف العلاقة الخطية (الحقيقية) ما بين كل متغير تفسيري في النموذج والمتغير المعتمد، على اساس ان المتغير المعتمد هو دالة خطية للمتغيرات التفسيرية، وبما يسمح باستخدام هذه الدالة في التنبؤ والسيطرة. وهذا الغرض لا يتحقق من دون الحصول على مقدرات معنوية ومستقرة ومعقولة لمعلمات النموذج الخطي. وقد وجد الباحث ان المعيار الذي سبق وان اقترحه واسماه RUF هو المعيار الدقيق والكافي للوصول الى هذا الغرض في حالة وجود مشكلة التعدد الخطي، وان ذلك مرتبط بتحديد النموذج الوافي الذي يحقق الفرضيات القياسية لحد الخطأ وليس بتجاوزها والاعتماد مباشرة على معايير (اصغر متوسط مربعات البواقي MSE واصغر مجموع مربعات للبواقي التنبؤية PRESS واكبر قيمة لمعامل التحديد المعدل ) فذلك من شانه الحصول على نموذج يحقق مطابقة ظاهرية للبيانات تضلل الباحث وتوهمه بانه قد حصل على نموذج الانحدار الخطي الافضل خلافا للحقيقة التي تشير الى ان مقدرات معاملات الانحدار في هذا النموذج (غير مستقرة وغير معقولة) لانها تعاني من قوة العلاقات الخطية فيما بينها وتاثير حد الخطأ في قوتها التفسيرية والتنبؤية. وعلى هذا الاساس حدد الباحث عدة خطوات لاستخدام RUF في الحصول على افضل نموذج (جزئي) للانحدار الخطي.


Article
Comparison of Partial Least Squares and Principal Components Methods by Simulation
مقارنة بين طرائق المربعات الصغرى الجزئية و المركبات الرئيسية باستعمال المحاكاة

Author: رباب عبد الرضا صالح
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2016 Volume: 22 Issue: 87 Pages: 50-71
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The methods of the Principal Components and Partial Least Squares can be regard very important methods in the regression analysis, where they are used to convert a set of highly correlated variables to a set of new independent variables, known components and those components are be linear and orthogonal independent from each other , the methods are used to reduce dimensions in regression analysis In this paper , we use Partial Least Squares method with Non -linear Iterative partial least squares NIPALS(PLS1) algorithm and the principal components method with Singular Value Decomposition(SVD )algorithm , the simulation experiments are conduct to compare between their methods assuming that the error is normally distributed , several combination are supposed in simulation for both sample size, number of observation, dimension, and we find that the partial least squares method is better than the Principal Components method in two case, number of observation is greater than the number of variables(n>p) and the number of variables is greater than the number of observation (p>n).

تعد طريقة المركبات الرئيسة والمربعات الصغرى الجزئية من الطرائق المهمة في تحليل الانحدار حيث ان الاثنان تستعملان لتحويل مجموعه من المتغيرات ذات الارتباط العالي الى مجموعة من المتغيرات المستقلة الجديدة تعرف بالمركبات وتكون هذه المركبات خطية متعامدة مستقلة بعضها عن البعض الاخر باستعمال تحويلات خطية ويستعمل الاثنان ايضا في تخفيض الابعاد . تم في هذا البحث استعمال طريقة المربعات الصغرى الجزئية باستعمال خوارزمية التكرار غير الخطي للمربعات الصغرى الجزئية Non-linear Iterative partial least squares NIPALS(PLS1) وطريقة انحدار المركبات الرئيسية بخوارزمية تجزئة القيم المفردة ((SVD) Singular value decomposition ).اذ تم اجراء المقارنة للطريقتين المذكورتين آنفا من خلال تجارب المحاكاة عندما يتوزع الخطأ توزيعا طبيعيا لحجوم عينات وابعاد متغيرات مختلفة ، واتضح من خلال المقارنة ان طريقة المربعات الصغرى الجزئية افضل من طريقة المركبات الرئيسية في حالة كون عدد المشاهدات اكبر من عدد المتغيرات وكذلك في حالة كون عدد المتغيرات اكبر من عدد المشاهدات. .


Article
discriminate analysis and logistic regression existence of multicolleniarty problem(Empirical Study on Anemia)
التحليل المميز والانحدار اللوجستي بوجود مشكلة التعدد الخطي (دراسة تطبيقية على مرض فقر الدم)

Authors: رباب عبد الرضا صالح البكري --- محمد شاكر محمود العزي
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2017 Volume: 23 Issue: 99 Pages: 373-397
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Abstract The method binery logistic regression and linear discrimint function of the most important statistical methods used in the classification and prediction when the data of the kind of binery (0,1) you can not use the normal regression therefore resort to binary logistic regression and linear discriminant function in the case of two group in the case of a Multicollinearity problem between the data (the data containing high correlation) It became not possible to use binary logistic regression and linear discriminant function, to solve this problem, we resort to Partial least square regression. In this, search the comparison between binary logistic regression and linear discriminant function using error Category. In the practical side in the collection of data on the data on anemia collection Two variables are severe anemia (0) and and chronic anemia (1) and several variables about the disease. The Data were collected from several Iraqi hospitals, where samples collected from patients at the hospital are asleep, and previous cases lay in the hospital a sample of (140) the patient is infected with the disease. When the test data and found that Multicollinearity problem, It has been processed using a method partial least square. The research found that linear discriminant function It is the best in the classification of data from binary logistic regression classified as linear discriminant function the data correctly and more accurate than binary logistic regression.

المستخلصتعد طريقة الانحدار اللوجستي الثنائي Binary logistic regression والدالة المميزة الخطية Linear discriminant function من اهم الطرائق الاحصائية المستخدمة في التصنيف والتنبؤ، عندما تكون البيانات من النوع الثنائي (0،1) فانه لا يمكن استخدام الانحدار الاعتيادي فلذلك نلجأ الى الانحدار اللوجستي الثنائي والدالة المميزة الخطية في حالة وجود مجموعتين، وفي حالة وجود مشكلة التعدد الخطي Multicollinearity بين البيانات (ان البيانات يوجد فيها ارتباطات عالية بين المتغيرات) اصبح عدم الامكان في استخدام الانحدار اللوجستي والدالة المميزة الخطية، ولحل هذه المشكلة نلجأ الى طريقة انحدار المربعات الصغرى الجزئية Partial least square regression لحل مشكلة التعدد الخطي.وقد جرى في هذه البحث المقارنة بين الانحدار اللوجستي الثنائي binary logistic regression والدالة المميزة الخطية linear discriminant function عن طريق خطأ التصنيف. حيث تم جمع بيانات عن مرض فقر الدم بمتغيرين هما فقر الدم الحاد بالرمز (0)، وفقر الدم المزمن بالرمز (1) وبعدة متغيرات حول المرض. جمعت البيانات من عدة مستشفيات عراقية، وجمعت عينة من المرضى الراقدين في المستشفى وحالات سابقة رقدت في المستشفى بعينة قدرها (140) مريضاً مصاباً بهذا المرض. وعند اختبار البيانات وجدت ان هناك مشكلة التعدد الخطي Multicollinearity تمت معالجتها بأستعمال طريقة المربعات الصغرى الجزئية Partial least square.وتوصل البحث الى ان الدالة المميزة الخطية linear discriminant function هي أفضل في تصنيف البيانات من الانحدار اللوجستي الثنائي binary logistic regression، اذ صنفت الدالة المميزة البيانات بشكل صحيح وأكثر دقة من الانحدار اللوجستي الثنائي.


Article
The use of the Principal components and Partial least squares methods to estimate the parameters of the logistic regression model in the case of linear multiplication problem
استعمال طريقتي المركبات الرئيسية والمربعات الصغرى الجزئية لتقدير معلمات أنموذج الانحدار اللوجستي ثنائي الاستجابة في حالة وجود مشكلة التعدد الخطي

Authors: محمود مهدي البياتي --- هديل حميد شاكر
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2018 Volume: 24 Issue: 106 Pages: 338-355
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The logistic regression model is one of the nonlinear models that aims at obtaining highly efficient capabilities, It also the researcher an idea of the effect of the explanatory variable on the binary response variable. The large number of explanatory variables usually used to illustrate the response led to the problem of linear multiplicity between the explanatory variables that make estimating the parameters of the model not very accurate. In this paper, examined methods for estimating the parameters of the logistic regression model in the case of the problem of linear multiplicity These methods are: Principal components of logistic regression method and Partial least square regression method. The results of the simulation showed that the method (PCLR(3pc’s)) is best for estimating the parameters of the binary logistic regression model response in the case of a problem of linear multiplicity.

المستخلصيعد أنموذج الانحدار اللوجستي من النماذج اللاخطية الذي يهدف الى الحصول على مقدرات تمتلك كفاءة عالية , كما انه يعطي الباحث فكره عن مقدار تأثير المتغير التوضيحي على متغير الاستجابة الثنائية.أن العدد الكبير لمتغيرات توضيحية تستعمل عادة لتوضيح الاستجابة ادى الى ظهور مشكلة التعدد الخطي بين المتغيرات التوضيحية التي تجعل تقدير معلمات النموذج ليست دقيقة جدا.يتم عرض في هذا البحث طريقتين لتقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي (Multicollinearity) وهما : طريقة المركبات الرئيسية للانحدار اللوجستي (PCLR), وطريقة انحدار المربعات الصغرى الجزئية(PLSR). اذ تم اجراء المقارنة بين هاتين الطريقتين من خلال اسلوب المحاكاة وبأستعمال معيار المقارنة متوسط مربعات الخطأ(MSE) للوصول الى الطريقة الأفضل في تقدير المعلمات في حالة وجود مشكلة التعدد الخطي, وقد بينت نتائج المحاكاة أن طريقة (PCLR(3pc’s)) هي الافضل في تقدير معلمات أنموذج الانحدار اللوجستي ثنائي الاستجابة في حالة وجود مشكلة التعدد الخطي.


Article
Comparison of the method of partial least squares and the algorithm of singular values decomposion to estimate the parameters of the logistic regression model in the case of the problem of linear multiplicity by using the simulation
مقارنة بين طريقة المربعات الصغرى الجزئية وخوارزمية تجزئة القيم المفردة لتقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي بأستعمال المحاكاة

Authors: محمود مهدي البياتي --- هديل حميد شاكر
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2018 Volume: 24 Issue: 109 Pages: 458-471
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The logistic regression model is an important statistical model showing the relationship between the binary variable and the explanatory variables. The large number of explanations that are usually used to illustrate the response led to the emergence of the problem of linear multiplicity between the explanatory variables that make estimating the parameters of the model not accurate. The methods used to estimate the parameters of the logistic regression model in the case of the linear multiplication problem. These methods are the method of regression of the partial least squares and the algorithm of singular value decomposion. The simulation method was used to compare estimation methods through the mean error squares of the model. It has been shown through the comparison that the algorithm of singular value decomposion is best in estimating the parameters of the logistic regression model in the case of the problem of linear multiplicity

يعد أنموذج الانحدار اللوجستي من النماذج الاحصائية المهمة حيث يوضح العلاقة بين المتغير التابع ثنائي الاستجابة والمتغيرات التوضيحية (التفسيرية).أن العدد الكبير لمتغيرات توضيحية تستعمل عادة لتوضيح الاستجابة ادى الى ظهور مشكلة التعدد الخطي(Multicollinearity) بين المتغيرات التوضيحية التي تجعل تقدير معلمات النموذج ليست دقيقة.تم في هذا البحث استعمال طرائق لتقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي وهذه الطرائق هي طريقة انحدار المربعات الصغرى الجزئية(PLSR) و خوارزمية تجزئة القيم المفردة(SVD), اذ تم استخدام اسلوب المحاكاة للمقارنة بين طرائق التقدير من خلال متوسط مربعات الخطأ(MSE) للأنموذج.واتضح من خلال المقارنة أن خوارزمية تجزئة القيم المفردة (SVD) هي الافضل في تقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي.


Article
Using Some Robust Methods For Handling the Problem of Multicollinearity
استعمال بعض الطرائق الحصينة في معالجة مشكلة التعدد الخطي

Authors: ghfraan esmaeel غفران اسماعيل كمال --- saif alimam سيف الامام سعدي خزعل
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2019 Volume: 25 Issue: 112 Pages: 500-514
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The multiple linear regression model is an important regression model that has attracted many researchers in different fields including applied mathematics, business, medicine, and social sciences , Linear regression models involving a large number of independent variables are poorly performing due to large variation and lead to inaccurate conclusions , One of the most important problems in the regression analysis is the multicollinearity Problem, which is considered one of the most important problems that has become known to many researchers , As well as their effects on the multiple linear regression model, In addition to multicollinearity, the problem of outliers in data is one of the difficulties in constructing the regression model , Leading to adverse changes when taking linear regression as a basis for hypothesis testing .In this paper, we present some robust methods for estimating the parameters of the multiple linear regression model, a ridge regression method for based on the LTS estimator and Liu method for based on the LTS estimator, Using the simulation, these two methods were compared according to the mean squares error (MSE) , The comparison showed that the Liu-LTS method is the best in estimating the parameters of the multiple linear regression model.

يعد أنموذج الانحدار الخطي المتعدد من نماذج الانحدار المهمة التي اجتذبت العديد من الباحثين في مجالات مختلفة منها الرياضيات التطبيقية والاعمال والطب والعلوم الاجتماعية , ان نماذج الانحدار الخطية التي تتضمن عدد كبير من المتغيرات التوضيحية تكون ذات اداء ضعيف بسبب كبر التباين فضلا عن ذلك تؤدي الى استنتاجات غير دقيقة , ان احدى المشاكل المهمة في تحليل الانحدار مشكلة تعدد العلاقة الخطية حيث تعتبر واحده من اهم المشاكل التي اصبحت معروفة لدى العديد من الباحثين وكذلك تأثيراتها على أنموذج الانحدار الخطي المتعدد الى جانب تعدد العلاقة الخطية مشكلة القيم الشاذة في البيانات التي تعتبر احدى الصعوبات في بناء أنموذج الانحدار , مما يؤدي الى تغيرات عكسية عند اتخاذ الانحدار الخطي كأساس لأجراء اختبارات الفروض .نستعرض في هذا البحث بعض الطرائق الحصينة لتقدير معلمات أنموذج الانحدار الخطي المتعدد وهي طريقة انحدار الحرف بالاعتماد على مقدر المربعات الصغرى المشذبة (Ridge-LTS) وطريقة (Liu) بالاعتماد على مقدر المربعات الصغرى المشذبة (, (Liu-LTS ومن خلال استخدام المحاكاة تمت اجراء المقارنة بين هاتين الطريقتين وفق معيار المقارنة متوسط مربعات الخطأ (MSE) , واتضح من خلال المقارنة ان طريقة ((Liu-LTS هي الافضل في تقدير معلمات أنموذج الانحدار الخطي المتعدد .


Article
استعمال خوارزمية تجزئة القيم المفردة لمعالجة مشكلة التعدد الخطي (عالية الابعاد) لتحديد وتميز أهم العوامل المؤثرة على امراض القلب

Loading...
Loading...
Abstract

In this paper, one of the problems of statistical data was examined in the case of multicollinearity variables. This is the problem of linear multicollinearity. The problem multicollinearity was solved using a Singular Value Decomposition that changes the structure of the data to eliminate the problem while preserving the nature of the data in terms of the effect on the variable Affiliate.Comparative analysis and logistic analysis were used to compare the two after the application of a single value fragmentation algorithm to medical data representing recovery status and death of heart attack (y = 0 deaths, y = 1 healing) and factors affecting heart attack After the differential analysis, the most important factors with a high effect on heart attack were (emotion, heart disease, smoking, age). In the case of logistic analysis (emotion, heart disease, smoking, pressure, sugar and age) Affect the heart attack disease.

في هذا البحث تم دراسة أحد المشاكل التي تعاني منها البيانات الإحصائية في حالة المتغيرات المستقلة المتعددة وهي مشكلة التعدد الخطي اذ تم معالجة مشكلة التعدد الخطي باستعمال خوارزمية تجزئة القيمة المفردة التي تقوم بتغير هيكلية البيانات لتخلص من المشكلة مع الحفاظ على طبيعة البيانات من حيث التأثير على المتغير التابع.تم استعمال التحليل التمييزي والتحليل اللوجستي بعد تطبيق خوارزمية تجزئة القيمة المفردة على بيانات طبيه تمثل حالة البقاء على قيد الحياة وحالة الوفاة لمرض النوبة القلبية (y=0 حالة وفاة ، y=1 حالة يقاء على قيد الحياة ) والعوامل التي تؤثر على مرض النوبة القلبية ( متغيرات مستقلة تعاني مشكلة التعدد الخطي ) وبعد اجراء التحليل التمييزي وجد ان اهم العوامل ذات التأثير العالي على مرض النوبة القلبية هي ( الانفعال ، امراض القلب ، التدخين ، العمر ) وفي حالة التحليل اللوجستي وجد ( الانفعال ، امراض القلب ، والتدخين ، والضغط ، والسكر ، والعمر) هي التي تؤثر على مرض النوبة القلبية

Listing 1 - 10 of 16 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (16)


Language

Arabic and English (7)

Arabic (4)

English (4)


Year
From To Submit

2019 (4)

2018 (3)

2017 (1)

2016 (3)

2014 (1)

More...