الملخص

تؤدی التوزیعات السابقة (Prior Distributions) دوراً مهمًا فی مقدرات النظریة البیزیة, فهی التی تکون مسؤولة عن نوع التوزیعات اللاحقة (Posterior Distributions) للمعالم المراد تقدیرها . ومن المعلوم عند تنفیذ عملیة اختیار المتغیرات المهمة فی نماذج الانحدار بتقنیة الاسو البیزیة لابد من استخدام توزیع لابلاس (Laplace Distribution ) کتوزیع مسبق، لکن استخدام توزیع لابلاس مباشرةً یجعل خوارزمیة (Markov Chain Monte Carlo) MCMC صعبة جداً وغیر کفوءة وتحتاج الى وقت کثیر جداً للتقارب بین المعلمات المقدرة خلال دورات تقدیر تلک المعالم .وللتغلب على هذه المشکلة فی البحث الحالی تم توظیف تحویلی من تحویلات توزیع لابلاس التی تضمن لنا أن تکون خوارزمیة MCMC کفوءة وسریعة التقارب بین المعالم المقدرة خلال دورات أقل. ویمتلک انحدار القسیمی (Quantile Regression ) میزات جیدة جعلته من النماذج الممیزة فی تمثیل علاقة الاثر بین المتغیر المعتمد ومجموعة من المتغیرات المستقلة ، وفی البحث الحالی سیتم نمذجة العلاقة بین الخثرة الدمویة کمتغیر معتمد ومجموعة من المتغیرات المستقلة باستخدام نموذج الانحدار القسیمی، وتقدیر معالم هذا النموذج بأسلوب تقنیة الاسو Lasso (least absolute shrinkage and selection operator) البیزیة.