{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA289",
        "title": "مدل بندی پاسخ های نرخ و نسبت با رگرسیون مستطیلی بتا",
        "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": "1394",
        "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": "QA289",
        "title": "مدل بندی پاسخ های نرخ و نسبت با رگرسیون مستطیلی بتا",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1394,
        "authors": [
            {
                "name": "حانیه کیهانی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین باغیشنی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "تحلیل بیزی٬ رگرسیون مستطیلی بتا٬ تنومندی٬ MCMC٬ نقاط پرت"
        ],
        "abstract": "در بسیاری از مدل‌های رگرسیونی ماهیت متغیر پاسخ به‌صورت نرخ و نسبت می‌باشد. معمولا برای مدل‌بندی داده‌هایی با دامنه تغییرات (0,1) از مدل رگرسیون بتا استفاده می‌شود٬ زیرا اگر متغیر پاسخ چوله باشد٬ مدل‌های لجستیک و پروبیت مناسب نیستند. لذا به‌عنوان جایگزینی رگرسیون بتا را برای این نوع از داده‌‌ها به‌کار می‌برند. اما مدل رگرسیون بتا نسبت به نقاط پرت نیرومند نیست. پس به معرفی یک مدل جدید براساس توزیع مستطیلی بتا می‌پردازیم که نسبت به داده‌های دورافتاده تنومند است. در این پایان‌نامه پس از معرفی این توزیع و سپس مدل‌بندی آن٬ به استنباط بیزی می‌پردازیم و در استنباط بیزی از نمونه‌گیری مونت کارلوی زنجیر مارکوفی استفاده می‌کنیم. با شبیه‌سازی٬ تأثیر نقاط دورافتاده و کارایی مدل رگرسیون مستطیلی بتا را٬ بررسی کرده٬ برآورد ضرایب رگرسیون توزیع پسین پارامترها را به‌دست می‌آوریم. در آخر کاربرد مدل مستطیلی بتا را در قالب مثال کاربردی ارزیابی می‌کنیم",
        "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_QA289.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"
    }
}