ترجمه مقاله "روشهای MCMC برای مدل های امیخته خطی تعمیم یافته چند-پاسخی: بسته MCMCglmm "

RSS feed.

ترجمه مقاله "روشهای MCMC برای مدل های امیخته خطی تعمیم یافته چند-پاسخی: بسته MCMCglmm "

دسته: آمار
بازدید: 31 بار
فرمت فایل: zip
حجم فایل: 643 کیلوبایت
تعداد صفحات فایل: 13

ترجمه مقاله روشهای MCMC برای مدل های امیخته خطی تعمیم یافته چندپاسخی بسته MCMCglmm چکیده مدل آمیخته خطی تعمیم یافته یک چارچوب انعطاف پذیر برای مدل سازی طیف وسیعی از اطلاعات فراهم می کند، هر چند که با متغیرهای پاسخ دهی غیرگاوسی نمی توان احتمال را در قالب بسته به دست آورد روش زنجیره مارکوف مونت کارلو با نمونه برداری از یک سری از توزیع ها

قیمت فایل فقط 5,000 تومان



ترجمه مقاله "روشهای MCMC برای مدل های امیخته خطی تعمیم یافته چند-پاسخی: بسته MCMCglmm "

چکیده

مدل آمیخته خطی تعمیم یافته یک چارچوب انعطاف پذیر برای مدل سازی طیف وسیعی از اطلاعات فراهم می کند، هر چند که با متغیرهای پاسخ دهی غیر-گاوسی نمی توان احتمال را در قالب بسته به دست آورد. روش زنجیره مارکوف مونت کارلو[1] با نمونه برداری از یک سری از توزیع های شرطی ساده که می تواند مورد بررسی قرار گیرد، این مشکل را حل میکند. بسته MCMCglmm R ، چنین الگوریتمی را برای طیف وسیعی از مشکلات برازش مدل اجرا میکند. بیش از یک متغیر پاسخ می تواند به طور همزمان مورد تجزیه و تحلیل قرار گیرد ، و این متغیرها مجاز به پیروی از توزیع گاوسی[2]، پواسون[3]، چند (دو) اسمی، نمایی، تورم صفر و سانسور شده[4] است. طیف وسیعی از سازه ها واریانس برای اثرات تصادفی مجاز هستند، از جمله تعامل با متغیرهای قیاسى و یا پیوسته (به عنوان مثال، رگرسیون تصادفی) و ساختار واریانس پیچیده تر که از طریق دودمان مشترک بوجود می آیند، چه از طریق شجره یا چه از طریق تکامل نژادى. مقادیر گمشده در متغیر پاسخ (ها) مجاز است و داده ها تا سطحی از خطای اندازه گیری در متاآنالیز می تواند شناسایی شود. همه­ی شبیه سازی ها در C/ C++ با استفاده از برنامه CSparse برای سیستم های خطی پراکنده انجام میشود. اگر شما نرم افزار استفاده میکنید لطفا به این مقاله که در مجله Statistic Software منتشر شده (Hadfield 2010) استناد کنید.

کلمات کلیدی: MCMC ، مدل آمیخته خطی ، شجره ، تکامل نژادى ، مدل حیوانی، چند متغیره، پراکنده، R.

با توجه به انعطاف پذیری مدل های آمیخته خطی، در حال حاضر آنها به طور گسترده ای در علوم مختلف استفاده می شوند (Brown and Prescott 1999; Pinheiro and Bates 2000; Demidenko 2004). با این حال، تعمیم این مدل به داده های غیر گوسی دشوار است زیرا یکپارچه سازی اثرات تصادفی مقاوم مشکل است (McCulloch and Searle 2001). اگرچه تکنیک هایی که این انتگرال ها را تقریب میزنند (Breslow and Clayton 1993) در حال حاضر مرسوم هستند، روش زنجیره مارکوف مونت کارلو (MCMC) یک استراتژی جایگزین برای به حاشیه راندن عوامل تصادفی قوی تر ارائه میکند (Zhao, Staudenmayer, Coull, and Wand 2006; Browne and Draper 2006) پژوهش بر روی توسعه روش MCMC برای تعمیم مدل های آمیخته خطی (GLMM) بسیار فعال است (Zeger and Karim 1991; Damien, Wakefield, and Walker 1999; Sorensen and Gianola 2002; Zhao et al. 2006). و در حال حاضر چندین بسته نرم افزاری برای اجرای این تکنیک موجود است (به عنوان مثال WinBUGS (Spiegelhalter, Thomas, Best, and Lunn 2003), MLwiN (Rasbash, Steele, Browne, and Prosser 2005), glmmBUGS (Brown 2009), JAGS (Plummer 2003)). با این حال، این روش اغلب نیازمند تجربه و تخصص کاربر بوده و ممکن است محاسبه زمان­بر باشد. بسته MCMCglmm برای R (تیم هسته توسعه R[5]، 2009) از روش زنجیره مارکوف مونت کارلو برای دستیابی به چند پاسخ تعمیم مدل های خطی آمیخته استفاده میکند. طیف وسیعی از توزیع ها پشتیبانی می شوند و انواع مختلفی از ساختار واریانس برای اثرات تصادفی و باقی مانده می تواند اجرا شود. هدف ارائه روشی است که به تخصص کم کاربر نیاز داشته در حالی که میزان زمان محاسبات لازم برای توزیع کافی نمونه را کاهش میدهد.

در این مقاله ما ساختار بنیادین GLMM و سپس به طور خلاصه یک استراتژی کلی برای تخمین پارامترها را  توضیح میدهیم. چندین نتیجه جدید ارائه شده است، و ما میخواهیم اذعان کنیم که بسیاری از نتایج آماری را می توان در Sorensen and Gianola (2002) پیدا کرد و بسیاری از جزئیات الگوریتم که اجرای خوب مدل را فراهم می کند، را می توان در Davis (2006) یافت. متن اصلی مقاله نرم افزار را با استفاده از یک مثال از آزمایش ژنتیکی کمی معرفی می کند. ما با مقایسه روش ها با WinBUGS (Spiegelhalter et al. 2003) کار را تمام کردیم و نتیجه گرفتیم که MCMCglmm نزدیک به 40 برابر در هر تکرار سریعتر است، و اندازه نمونه­ای 3 برابر بیشتر در هر تکرار دارد.

---

[1] Markov chain Monte Carlo

[2] Gaussian

[3] Poisson

[4] censored

[5] R Development Core Team

قیمت فایل فقط 5,000 تومان



برچسب ها : مدل آمیخته خطی , شجره , تکامل نژادى , مدل حیوانی , چند متغیره , پراکنده

 برای توضیحات بیشتر و دانلود کلیک کنید

ترجمه مقاله “روشهای MCMC برای مدل های امیخته خطی تعمیم یافته چند-پاسخی: بسته MCMCglmm “

RSS feed.

[unable to retrieve full-text content]

نکات اجرایی لوله کشی گاز برای مجریان لوله کشی

RSS feed.

نکات اجرایی لوله کشی گاز برای مجریان لوله کشی

کلیه محتوای این سایت اهم از پایان نامه ومقاله و تحقیق و فایلهای اموزشی از سطح اینترنت و سایتهای دیگر جمع آوری میشود و این سایت هیچ گونه مسولیتی در قبال محتوای انها نداشته و ندارد و اگر هنگام خرید دچار مشکل شدید با سایت مرجع تماس بگیرید

 برای توضیحات بیشتر و دانلود کلیک کنید

روش ژاکوبی برای حل مسائل غیرخطی (رشته ریاضی- کامپیوتر)

RSS feed.

روش ژاکوبی برای حل مسائل غیرخطی (رشته ریاضی- کامپیوتر)

---

دسته:
کامپیوتر

---

بازدید: 1 بار

---

فرمت فایل: doc

---

حجم فایل: 46 کیلوبایت

---

تعداد صفحات فایل: 7

---

روش ژاکوبی در واقع تعمیمی از روش سیمپلکس برای حل مسائل خطی
می‌باشد یا به عبارت دیگر روش ژاکوبی در حالتی خاص همان روش
سیمپلکس می‌باشد.

فرض می‎شود که توابع g,  f دو بار پیوستة مشتق پذیر
باشند   (از ردة C²). ایدة روش ژاکوبی یافتن گوی بسته ای
است که در تمام نقاط آن مشتق های جزئی مرتبه اول موجود و شرط
g(x)=0 برآورده گردد. همان طور که می
دانیم نقاط بحرانی نقاطی اند که مشتقات جزئی تابع در آن‌ها صفر
گردد.

برای شناسایی نقاط بحرانی از شرایط کافی به شرح زیر استفاده می
کنیم:

شرایط کافی برای نقطة بحرانی  جهت اکسترمم بودن آن است که
ماتریس هسیان محاسبه شده در نقطه

1. هنگامی که   می نیمم است مثبت باشد .
2. هنگامی که   ماکزیمم است منفی باشد .

برای روشن کردن این مفهوم تابع f(x₁ ,
x₂) را در نظر می گیریم. هدف می نیمم کردن تابع
با توجه به محدودیت g₁(x₁
, x₂) = x₂ – b=0 می‎باشد. (b ثابت است.) منحنی
ایجاد شده توسط سه نقطة C , B , A مقادیری
از f را نمایش می‎دهد که محدودیت اعمال شده همواره برآورده می گردد.
روش ژاکوبی، گرادیان f(x₁ ,
x₂) را در هر نقطه ای از منحنی ABC تعریف می‌کند. هر نقطه ای که مشتق آن برابر صفر
گردد نشان دهنده یک نقطه بحرانی برای این مسئله مقید می‎باشد که در شکل زیر نقطة B
، نقطه موردنظر می‎باشد.

با استفاده از ق تیلور برای نقاط  در همسایگی قابل قبول
x داریم:

هنگامی که  خواهیم داشت:

و از آنجا که g(x)=0 در نتیجه
 بنابراین خواهیم داشت:

حال یک دستگاه با (n+1) مجهول و
(m+1) معادله خواهیم داشت که مجهولاتمان
درایه‌های  می باشند  با مشخص شدن  پیدا
می‎شود. و این بدان معناست که در واقع
m معادله با n
مجهول داریم. اگر m>n آن گاه حداقل
(m-n) معادله زائد می باشند. پس از حذف
آنها، سیستم به تعداد کارایی از معادلات مستقل مانند  کاهش
خواهد یافت. برای حالتی که m=n باشد
جواب می‎باشد و این نشان دهنده آن
است که X همسایگی قابل قبول ندارد و فضای
حل تنها از یک نقطه تشکیل یافته است. در اینجا این حالت موردنظر
نیست و ما به بررسی حالت m می‎پردازیم.

---

قیمت : 7,000 تومان



---

بلافاصله پس از پرداخت ، لینک دانلود به شما نمایش داده می شود و
همچنین یک نسخه نیز برای شما ایمیل می شود .

---

---

کلمات کلیدی :
روش ژاکوبی برای حل مسائل غیرخطی (رشته ریاضی- کامپیوتر) ,

روش ژاکوبی برای حل مسائل غیرخطی (رشته ریاضی کامپیوتر) ,

مقالاتی در مورد روش ژاکوبی برای حل مسائل غیرخطی (رشته ریاضی
کامپیوتر) ,
مطالبی در مورد روش ژاکوبی برای حل مسائل غیرخطی (رشته ریاضی
کامپیوتر)

---

 برای توضیحات بیشتر و دانلود کلیک کنید

دینامیک (مناسب برای دوره دبیرستان)

RSS feed.

دینامیک (مناسب برای دوره دبیرستان)

---

دسته:
مطالعات ارتباطی و فناوری اطلاعات

---

بازدید: 1 بار

---

فرمت فایل: doc

---

حجم فایل: 51 کیلوبایت

---

تعداد صفحات فایل: 37

---

علم دینامیک شاخه‌ای از مکانیک است که در مورد حرکت اجسام در اثر
اعمال نیرو بحث می‌کند. معمولاً در مهندسی، دینامیک پس از استاتیک
مورد مطالعه قرار می گیرد و موضوع آن تاثیر نیروها بر اجسام ساکن
است. دینامیک دارای دو بخش مجزا می باشد: سینماتیک، که عبارت از
مطالعه حرکت بدون در نظر گرفتن عامل آن یعنی نیرو است و سینتیک،
علمی است که نیروهای وارد بر جسم را به حرکت ناشی از آنها ارتباط
می دهد. دانشجوی مهندسی در می یابد که درک کامل دینامیک، او را به
یکی از مفید ترین و قوی ترین ابزرهای تحلیل در مهندسی تجهیز می
کند.

موضوع علم دینامیک در مقایسه با استاتیک از نظر تاریخی، نسبتا
جدید است. شروع درک دینامیک با استفاده از اصول استدلالی به
گالیله (1642- 1564) نسبت داده می شود که در مورد سقوط آزاد
اجسام، حرکت روی سطح شیبدار و حرکت پاندول مشاهدات دقیقی را انجام
داد. وی در زمینه ارائه روشی علمی برای تحقیقات ودر مسائل فیزیکی
مسئولیت بزرگی را متحمل شده است.گالیله به جهت نپذیرفتن اعتقادات
زمان خود که مبتنی بر فلسفه ارسطویی بود، مثلاً این عقیده که
اجسام سنگین‌تر سریعتر از اجسام سبک تر سقوط می کنند پیوسته مورد
انتقاد شدید قرار داشت. فقدان روشهای دقیق برای اندازه گیری زمان
از موانع جدی گالیله بود و پیشرفتهای مهم بعدی در دینامیک در
انتظار اختراع ساعت پاندولی توسط هویگنس در سال 1657 بود.

نیوتن (1727- 1642) بر اساس تحقیقات گالیله توانست فرمولهای دقیقی
را برای قوانین حرکت ارائه کند و در نتیجه، دینامیک را در جایگاه
استواری قرار دهد. کار مشهور نیوتن در اولین ویرایش کتابش با
عنوان اصول منتشر شد، که معمولاً از آن به عنوان یکی از بزرگترین
مقالات علمی ثبت شده یاد می‌شود. نیوتن علاوه بر بیان قوانین حاکم
بر حرکت ذرات اولین کسی بود که قانون جاذبه عمومی را به طور صحیح
فوموله کرد. با اینکه توصیف ریاضی او دقیق بود، او حس می‌کرد که
انتقال خارجی نیروی جاذبه بدون پشتیبانی یک واسطه کار بیهوده ای
است. دانشمندانی که پس از دوره نیوتن مشارکت‌های مهمی در توسعه
علم مکانیک داشتند عبارتند از: اولر، دالامبر، لاگرانژ،
لاپلاس،پوآنسو، کوریولیس، انیشتین و دیگران

از نظر کاربردهای مهندسی دینامیک علم جدیدتری
است.

---

قیمت : 7,000 تومان



---

بلافاصله پس از پرداخت ، لینک دانلود به شما نمایش داده می شود و
همچنین یک نسخه نیز برای شما ایمیل می شود .

---

---

کلمات کلیدی :
دینامیک (مناسب برای دوره دبیرستان) ,
دینامیک (مناسب برای دوره دبیرستان) ,
مقالاتی در مورد دینامیک (مناسب برای دوره دبیرستان) ,
مطالبی در مورد دینامیک (مناسب برای دوره دبیرستان)

---

برچسب گذاری شده با :دینامیک (مناسب برای دوره دبیرستان)

x

این مطالب را نیز ببینید!

دسته: تاریخ بازدید: 4 بار فرمت فایل: doc حجم فایل: 50 کیلوبایت تعداد صفحات فایل: ...

 برای توضیحات بیشتر و دانلود کلیک کنید