Selection More Important Variables on D. Dimer by Using Bayesian Lasso Quantile Regression

الملخص

تؤدي التوزيعات السابقة (Prior Distributions) دوراً مهمًا في مقدرات النظرية البيزية, فهي التي تكون مسؤولة عن نوع التوزيعات اللاحقة (Posterior Distributions) للمعالم المراد تقديرها . ومن المعلوم عند تنفيذ عملية اختيار المتغيرات المهمة في نماذج الانحدار بتقنية الاسو البيزية لابد من استخدام توزيع لابلاس (Laplace Distribution ) كتوزيع مسبق، لكن استخدام توزيع لابلاس مباشرةً يجعل خوارزمية (Markov Chain Monte Carlo) MCMC صعبة جداً وغير كفوءة وتحتاج الى وقت كثير جداً للتقارب بين المعلمات المقدرة خلال دورات تقدير تلك المعالم .وللتغلب على هذه المشكلة في البحث الحالي تم توظيف تحويلي من تحويلات توزيع لابلاس التي تضمن لنا أن تكون خوارزمية MCMC كفوءة وسريعة التقارب بين المعالم المقدرة خلال دورات أقل. ويمتلك انحدار القسيمي (Quantile Regression ) ميزات جيدة جعلته من النماذج المميزة في تمثيل علاقة الاثر بين المتغير المعتمد ومجموعة من المتغيرات المستقلة ، وفي البحث الحالي سيتم نمذجة العلاقة بين الخثرة الدموية كمتغير معتمد ومجموعة من المتغيرات المستقلة باستخدام نموذج الانحدار القسيمي، وتقدير معالم هذا النموذج بأسلوب تقنية الاسو Lasso (least absolute shrinkage and selection operator) البيزية.