{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA233",
        "title": "تحلیل بیزی مدل \u0001های رگرسیونی بتا با پاسخ \u0001های وابسته",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1393",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA233",
        "title": "تحلیل بیزی مدل \u0001های رگرسیونی بتا با پاسخ \u0001های وابسته",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1393,
        "authors": [
            {
                "name": "مهناز عجم",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین باغیشنی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "تحلیل بیزی",
            "رگرسیون بتا",
            "مدل \u0001های آمیخته"
        ],
        "abstract": "در بسیاری از مسایل تحلیل پاسخ\u0001 های نرخ و نسبت مانند نرخ تورم، نرخ رشد، درصد مشتریان\r\nخوش قول در یک بنگاه اقتصادی و درصد یک بیماری در منطقه \u0001ای خاص، علاقه \u0001مند به کشف عوامل\r\nموثر بر متغیر پاسخ هستیم. این هدف، معمولا با مدل \u0001های رگرسیونی قابل دستیابی است. مقیاس\r\nاین گونه پاسخ\u0001 ها، پیوسته و محدود به فاصله \r\n(0,1) است. برای تحلیل رگرسیونی این نوع داده\u0001 ها،\r\nاولین گزینه \u0001هایی که به ذهن می \u0001رسد استفاده از مدل \u0001های رگرسیونی لجستیک یا پروبیت است. اما از\r\nآن\u0001جا که توزیع این نوع پاسخ \u0001ها معمولا به شدت چوله است، این مدل\u0001 ها برای آن\u0001ها مناسب نیستند.\r\nمدلی که با ماهیت داده \u0001های نرخ و نسبت سازگاری منطقی و مناسبی دارد، مدل رگرسیون بتا می \u0001باشد\r\nکه به دلیل انعطاف بالای توزیع بتا در مدل\u0001 بندی انواع چولگی\u0001 ها، استفاده از آن در سال\u0001 های اخیر\r\nپرطرفدار شده است. رگرسیون بتا یک عضو از رده مدل \u0001های خطی تعمیم\u0001یافته  (GLM) است. یک\r\nپذیره اساسی در مدل\u0001 های خطی تعمیم \u0001یافته، استقلال متغیرهای پاسخ است. اما در موارد متعددی،\r\nمانند داده\u0001 های طولی، داده \u0001های فضایی و سری \u0001های زمانی، پاسخ\u0001 ها به هم وابسته می \u0001باشند. در این\r\nموارد، از مدل \u0001های آمیخته خطی تعمیم\u0001یافته (GLMM) استفاده می \u0001شود که وابستگی داده \u0001ها با وارد\r\nشدن متغیر\u0001های پنهان به مدل لحاظ می\u0001 شود. برازش این مدل\u0001 ها از دیدگاه بیزی ساده\u0001 تر است. این\r\nسادگی مرهون انقلاب روش \u0001های نمونه \u0001گیری  MCMC است. بنابراین علاقه \u0001مند شدیم پاسخ\u0001 های\r\nوابسته با مقیاس پیوسته و تکیه\u0001 گاه محدود را از دیدگاه بیزی تحلیل کنیم.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA233.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}