<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>انجمن آمار ایران</PublisherName>
				<JournalTitle>اندیشه آماری</JournalTitle>
				<Issn>1026-8944</Issn>
				<Volume>26</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>08</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Sensitivity Analysis for Lifetime Responses Using
 Log-Beta Weibull Distribution</ArticleTitle>
<VernacularTitle>تحلیل حساسیت برای پاسخ‌های طول عمر با استفاده از توزیع لگ بتا وایبل</VernacularTitle>
			<FirstPage>115</FirstPage>
			<LastPage>123</LastPage>
			<ELocationID EIdType="pii">723524</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>احسان</FirstName>
					<LastName>بهرامی سامانی</LastName>
<Affiliation>گروه آمار، دانشگاه شهید بهشتی</Affiliation>

</Author>
<Author>
					<FirstName>سمیرا</FirstName>
					<LastName>بهرامیان</LastName>
<Affiliation>گروه آمار، دانشگاه شهید بهشتی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>05</Month>
					<Day>04</Day>
				</PubDate>
			</History>
		<Abstract> The occurrence of lifetime data is a problem which is commonly encountered in various researches, including surveys, clini&lt;br /&gt;cal trials and epidemiological studies. Recently there has been extensive methodological research on analyzing lifetime data.&lt;br /&gt; However, because usually little information from data is available to correctly estimate, the inferences might be sensitive to&lt;br /&gt; untestable assumptions which this calls for a sensitivity analysis to be performed. In this paper, we describe how to evaluate&lt;br /&gt; the effect that perturbations to the Log-Beta Weibull Regression Responses. Also, we review and extend the application&lt;br /&gt; and interpretation of influence analysis methods using censored data analysis. A full likelihood-based approach that allows&lt;br /&gt; yielding maximum likelihood estimates of the model parameters is used. Some simulation studies are conducted to evalute&lt;br /&gt; the performance of the proposed indicts in detecting sensitivity of key model parameters. We illustrate the methods expressed&lt;br /&gt; by analyzing the cancer data.</Abstract>
			<OtherAbstract Language="FA">رخداد داده­های طول عمر مساله­ای است که معمولا در تحقیق&lt;span dir=&quot;LTR&quot;&gt;­&lt;/span&gt;های گوناگون شامل آمارگیری­ها، آزمایش­های کلینیکی و مطالعات اپیدمیولوژی روی می­دهد. اخیرا تحقیق­های نظری وسیعی در حوزه­ی تحلیل داده­های طول عمر انجام شده است. با این حال، از آن­جایی که معمولا اطلاعات کمی بر اساس داده­ها برای برآورد صحیح پارامترهای مدل­ موجود است؛ استنباط­ها ممکن نسبت به فرض­های غیر قابل آزمون حساس باشند که نیاز به انجام یک تحلیل حساسیت را گوشزد می­نماید.  در این مقاله، ما نحوه ارزیابی­کردن اثر پریشیدگی پاسخ­های رگرسیونی لگ – بتا وایبل را بیان می­کنیم. همچنین کاربرد و تفسیر روش­های تحلیل تاثیر با استفاده از  تحلیل داده های سانسور شده، مرور و تعمیم داده می شود. یک شیوه درستنمایی – مبنا که منجر به برآورده­های ماکسیمم درستنمایی برای پارامترهای مدل می­گردد، مورد استفاده قرار می گیرد. به منظور ارزیابی عملکرد شاخص­های معرفی شده در کشف حساسیت پارامترهای کلیدی مدل، چندین مطالعه شبیه سازی انجام گرفته است. ما  به وسیله تحلیل کردن  داده­های  سرطان، روش های بیان شده را تشریح می­کنیم.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تحلیل حساسیت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل رگرسیون لگ – بتا وایبل</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">داده‌های سانسور شده</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">برآورد ماکسیمم درستنمایی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">داده‌های سرطان</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://andisheyeamari.irstat.ir/article_723524_13f7c6f023313aae31059def5d925ef1.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
