<?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>24</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2019</Year>
					<Month>08</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Nonlinear mixed regression models with normal/independent distribution</ArticleTitle>
<VernacularTitle>مدل‌های رگرسیونی غیرخطی آمیخته با توزیع نرمال/مستقل</VernacularTitle>
			<FirstPage>21</FirstPage>
			<LastPage>32</LastPage>
			<ELocationID EIdType="pii">723853</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>عطیه</FirstName>
					<LastName>شبانیان بروجنی</LastName>
<Affiliation>دانش آموخته کارشناسی ارشد دانشگاه اصفهان</Affiliation>

</Author>
<Author>
					<FirstName>ایرج</FirstName>
					<LastName>کاظمی</LastName>
<Affiliation>هیأت علمی گروه آمار، دانشگاه اصفهان، اصفهان، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>05</Month>
					<Day>10</Day>
				</PubDate>
			</History>
		<Abstract>A well-known application of nonlinear mixed-effects models is in medical studies, where the effect of drugs taken by patients over their lifetime is investigated. In fitting these models, the common assumption is that the random effects and error components are normal, but failure to do so can lead to invalid results in estimation. For this reason, distributions such as normal, slash, t-Student, and normal-contaminated are considered in the analysis of pharmacokinetic data in order to achieve a robust analysis. In this paper, the parameters of the nonlinear mixed-effects model are estimated using the maximum likelihood method using SAS software for pharmacokinetic data sets. Also, using model selection criteria based on this approach, the best fitting model is selected on these data.</Abstract>
			<OtherAbstract Language="FA">یک کاربرد مشهور از مدل‌های غیرخطی با اثرهای آمیخته در مطالعه‌های پزشکی است، که در آن چگونگی اثر دارو‌های مصرفی بیماران در طول زندگی آنها بررسی می‌شود. در برازش این مدل‌ها فرض متداول نرمال بودن اثرهای تصادفی و مؤلفه‌های خطا است، اما عدم برقراری آن می‌تواند موجب نتایجی نامعتبر در‌ برآوردیابی شود. به همین دلیل در تحلیل داده‌های فارماکوکینتیک توزیع‌هایی از جمله نرمال، اسلش، تی-استیودنت و نرمال-آلوده در نظر گرفته می‌شوند تا بتوان به تحلیلی استوار دست یافت. در این مقاله برآورد پارامترهای مدل غیرخطی با اثرهای آمیخته از طریق روش ماکسیمم درست‌نمایی با استفاده از نرم‌افزار ‎SAS‎ برای مجموعه‌داده‌های فارماکوکینتیک صورت می‌گیرد. همچنین با استفاده از معیار‌های انتخاب مدل که بر اساس این رویکرد هستند، بهترین مدل برازشی بر روی این داده‌ها برگزیده ‎می‌شوند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">اثرهای آمیخته</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">داده‌های اندازه‌گیری مکرر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">برآورد ماکسیمم درست‌نمایی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل‌های سلسله مراتبی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://andisheyeamari.irstat.ir/article_723853_2fcfccc389a295f41e8a9560c32c45b7.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
