{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA198",
        "title": "مدل بندی داده های نرخ و نسبت با رگرسیون بتا",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1392",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA198",
        "title": "مدل بندی داده های نرخ و نسبت با رگرسیون بتا",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1392,
        "authors": [
            {
                "name": "میعاد ولیپور پاشا کلایی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین باغیشنی",
                "role": "استاد راهنما"
            },
            {
                "name": "محمد آرشی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "تابع امتیاز",
            "تابع پیوند",
            "توزیع مجانبی",
            "رگرسیون بتا",
            "ماتریس اطلاع فیشر",
            "مدلهای خطی تعمیم یافته"
        ],
        "abstract": "در بسیاری از کاربردها، محققین علاقمند به کشف رابطه بین یک متغیر با متغیرهای دیگر می باشند. برای این منظور، از مدل رگرسیونی که یکی از پرطرفدارترین مدل های آماری است، استفاده می شود. در بسیاری از کاربردها، ماهیت متغیر پاسخ به صورت نرخ و نسبت می باشد. به عنوان چند مثال: در علوم اقتصادی، اقتصاددانان به دنبال درک رابطه بین نرخ رشد، نرخ بیکاری ، درصد تولید ملی و غیره با چند متغیر اقتصادی دیگر هستند. معمولا برای مدل بندی داده هایی با دامنه تغییرات (0,1)، از مدلهای لجستیک و پرابیت استفاده می شود. اما از آنجا که داده های نسبت یا نرخ، معمولا در یک زیرفاصله مشخصی از دامنه تغییرات خود متمرکز هستند(به عبارتی توزیع این نوع داده ها به شدت چوله است)، مدل های لجستیک و پرابیت برای مدل بندی آنها مناسب نیستند. به عنوان مثال، به طور معمول نرخ بیکاری بیشتر از 30 درصد یا نسبت مشتریان خوش حساب کمتر از 70 درصد نیست. با توجه به این محدودیت ها، مدل مناسب و کارا برای اینگونه داده ها رگرسیون بتا است. در این پایان نامه، پس از معرفی مدل، به برآورد پارامترهای مدل و استنباط آماری می پردازیم. سپس با استفاده از شبیه سازی، کارایی مدل پیشنهادی را مورد بررسی قرار می دهیم. در نهایت کاربرد مدل را در دو مثال واقعی، یکی داده های مربوط به درصد بنزین تبدیل شده از نفت خام و دیگری داده های مربوط به مقاومت بتن، نشان خواهیم داد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA198.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}