%0 Journal Article %T مدل‌سازی رگرسیونی به روش تی لاسو بیزی %J مجله مدل‌سازی پیشرفته ریاضی %I دانشگاه شهید چمران اهواز %Z 2251-8088 %A شادرخ, علی %A خادم بشیری, زهرا %A یارمحمدی, مسعود %D 2021 %\ 06/22/2021 %V 11 %N 2 %P 365-381 %! مدل‌سازی رگرسیونی به روش تی لاسو بیزی %K رگرسیون لاسو بیزی %K رگرسیون تاوانیده %K نمایش آمیخته- مقیاس یکنواخت %K الگوریتم گیبز %K انتخاب متغیر %R 10.22055/jamm.2021.35112.1859 %X انتخاب مدل بهینه یکی از بحث‌های مهم در مدل‌های رگرسیونی است. هدف روش‌های انتخاب مدل بهینه در مدل‌های رگرسیونی این است که متغیرهای توضیحی مهم و متغیرهای قابل اغماض را تعیین نموده و رابطه‌ی بین متغیر پاسخ و متغیرهای توضیحی را به‌طور ساده‌تر بیان کند. با توجه به محدودیت‌های فرآیندهای کلاسیک انتخاب متغیر از قبیل انتخاب گام به گام، می‌توان از روش‌های رگرسیون تاوانیده استفاده کرد. یکی از مدل‌های رگرسیون تاوانیده، رگرسیون لاسو است که در آن فرض می‌شود خطاها از توزیع نرمال پیروی می‌کنند. برای تحلیل آماری مجموعه داده‌ها در حضور مشاهدات دورافتاده، می‌توان به جای توزیع نرمال از توزیع t-استیودنت برای خطا استفاده کرد. در این مقاله، روش انتخاب متغیری تحت عنوان مدل رگرسیون تی لاسو بیزی برای تحلیل داده‌ها در حضور مشاهدات دورافتاده، پیشنهاد می‌دهیم. مدل رگرسیون تی لاسو بیزی با دو نمایش متفاوت از تابع چگالی پیشین لاپلاس برای ضرایب مدل رگرسیونی مورد بررسی قرار می‌گیرد، به این صورت که ابتدا تابع چگالی لاپلاس به صورت توزیع آمیخته-مقیاس نرمال و سپس به صورت توزیع آمیخته‌-مقیاس یکنواخت نمایش داده می‌شود. سپس با استفاده از روش‌های شبیه‌سازی و تحلیل داده‌های‌ واقعی، ارجحیت روش رگرسیون تی لاسو بیزی با نمایش تابع چگالی لاپلاس به صورت آمیخته‌-مقیاس یکنواخت نسبت به نمایش آمیخته-مقیاس نرمال نشان داده می‌شود. %U https://jamm.scu.ac.ir/article_16849_86e618a502854202a598a1d5cdbf0396.pdf