تعیین حجم نمونه در رگرسیون لجستیک

مسئله تخمین حجم نمونه در کاربردهای پزشکی به خصوص در موارد آزمایشات گران قیمت نشانگرهای زیستی دارای اهمیت است. این مقاله به توصیف مسئله تحلیل رگرسیون لجستیک با الگوریتم های تخمین حجم نمونه که عبارتند از روش های آماری تک متغیری، رگرسیون لجستیک، تقاطع اعتبار و استنباط بیز می پردازد. نویسندگان با پارامترهای مدل رگرسیونی به عنوان متغیر چند متغیری با هدف تخمین حجم نمونه با استفاده از فاصله بین توابع توزیع پارامتر در مجموعه های داده تقاطع اعتبار رفتار می کنند. در اینجا نویسندگان کمکی جدید برای داده کاوی و آموزش آماری با حمایت ریاضیات کاربردی ارائه می دهند.

Keywords:

Logistic regression , Sample size , Feature selection , Bayesian inference , Kullback-Leibler divergence. , رگرسیون لجستیک , حجم نمونه , انتخاب ویژگی , استنباط بیز , واگرایی کالبک لایبرر.