Explore the vast range of titles available.

هدفت الدراسة الحالية إلى الكشف عن الفروق في تقديرات معلم صعوبة الفقرة لبيانات محاكاة توائم النموذج التعويضي (mc1- pl) باختلاف عدد الأبعاد للاختبار وقوة الارتباط بين هذه الأبعاد واختلاف برمجية التقدير. واستخدمت في الدراسة بيانات محاكاة لعينة حجمها (1000) مفحوص تم توليدها باستخدام برمجية (RESGENT)، تقيس بعدين مرتبطين من الفقرات، تم من خلالهما خلق حالات مختلفة من تعددية البعد داخل الفقرات (ثلاثة أبعاد، بعدان، بعد واحد) بواقع (7) فقرات ثنائية التدريج لكل بعد، وعند ثلاثة مستويات مختلفة لقوة الارتباط بين الأبعاد (0.86، 0.05، 0.0) على الترتيب. وحللت الييانات باستخدام البرمجيات الإحصائية (Bilog- MG3 ؛NOHARM).أظهرت النتائج أن الفروق في تقديرات معلم صعوبة الفقرات المشكلة للاختبار متعدد الأبعاد داخل الفقرات لم تكن دالة إحصائيا عند مستوى الدلالة (0.05=α) عند الحالات المختلفة لبعدية الأبعاد وباختلاف قوة الارتباط بين الأبعاد، وكذلك باختلاف برمجية التقدير (Bilog-MG3؛ NOHARM)، وكانت التقديرات بشكل عام مرتفعة ومتسقة. وتوصي الدراسة بضرورة الاعتماد على هاتين البرمجيتين الإحصائيتين في تحليل البيانات التي توائم النموذج، وخاصة عندما تتحقق الافتراضات التي اعتمدتها الدراسة الحالية في بيانات حقيقية.

تعد القدرة على استخدام برامج التحليل الإحصائي؛ مثل برنامج SPSS، من المهارات الأساسية التي يجب أن يتمتع بها طلاب الدراسات العليا في المجالات الأكاديمية والبحثية، إذ تسهم هذه البرامج في تحليل البيانات بدقة وكفاءة، مما يتيح الوصول إلى نتائج موثوقة تدعم عملية اتخاذ القرار العلمي. وتسعى الدراسة الحالية إلى اختبار فاعلية برنامج تدريبي في طريقة العمل مع الجماعات وإكساب طلاب الدراسات العليا القدرة على استخدام برنامج SPSS في التحليل الإحصائي، حيث يتم استخدام الدراسة شبه التجريبية وتعتمد على المنهج التجريبي لعينة قوامها (25) طالبا من طلاب الدراسات العليا في مرحلة الماجستير؛ باستخدام جماعة تجريبية وآخري ضابطة باختبار قبلي ثم البرنامج التدريبي، وتم استخدام معهم مقياس القدرة على استخدام برنامج SPSS في التحليل الإحصائي. وقد توصلت نتائج الدراسة إلى صحة الفرض الرئيس بوجود فروق ذات دلالة إحصائية بين متوسط درجات القياس القبلي والبعدي للجماعة التجريبية لطلاب الدراسات العليا فيما يتعلق بفاعلية برنامج تدريبي في طريقة العمل مع الجماعات وإكساب طلاب الدراسات العليا القدرة على استخدام برنامج SPSS في التحليل الإحصائي لصالح القياس البعدي.

تعد التقلبات ذات أهمية خاصة في الأسواق المالية، إذ تعتمد قيمة الأسهم والأدوات المالية على مخاطرها التي تفسرها التقلبات. لذلك يقترح هذا البحث نهجا قائما على محاكاة Bayesian بالكامل للاستدلال الإحصائي في نماذج التقلب العشوائي، تضمن سير العمل في البحث تحليل ونمذجة بيانات عوائد سوق دمشق للأورق المالية اليومية خلال الفترة من (1/ 4/ 2010) إلى (12/ 9/ 2021)، واستخدام ثلاثة أنواع من النماذج تقوم على افتراضات مختلفة حول التقلبات (ARIMA- GARCH- BSV). أشارت المقارنة المباشرة داخل العينة بين النماذج الثلاث أن نموذج التقلب العشوائي البيزي يعمل بشكل أفضل من حيث الدقة التنبؤية وتوضيح خصائص البيانات المستخدمة في التحليل. كما أظهرت نتائج تقييم التنبؤات خارج العينة باستخدام نموذج التقلب العشوائي البيزي تقاربا بين القيم الفعلية والقيم المقدرة للعوائد، مع تحركها بنفس الاتجاه. تبين هذه النتائج أهمية استخدام الاستدلال البيزي لكل من الباحثين والمستثمرين في الأسواق المالية نظرا لتفوقها على النماذج واسعة التطبيق (ARIMA- GARCH).

Machine learning algorithms have gained popularity in recent years in many fields due to their promising results in predictive performance of classification problems. The application of machine-learning algorithms has also been highly simplified in the last years due to their well-documented integration in commonly used statistical programming languages (such as R or Python). Machine learning is a subsection of Artificial Intelligence (AI), it is one of the most promising tools in classification and it a model that aims to discover the unknown function, dependence, or structure between input and output variables. This study proposes statistical and machine learning models to diagnose anemia disease. Some machine learning techniques have been used in this work to avoid over fitting, pre-process the data and adjust the outliers to give better results. Three classifiers, including Logistic Regression, k-Nearest Neighbor and Decision Tree are implemented in this work. The performance of the models is evaluated based confusion matrix, recall, precision, f1-score, accuracy, Matthews correlation coefficient and ROC curve to compute area under the curve (AUC). The results show the logistic regression has the highest accuracy of 99.57%, with recall values of 99.41%, precision values of 99.61, f1-score of 99.51% and Matthews correlation coefficient values of 99.13%. Decision tree has the second highest accuracy of 98.64%, with recall values of 99.02%, precision values of 97.87, f1-score of 98.44%, and Matthews correlation coefficient values of 97.23%.

The beta distribution is one of the basic distributions that are applicable in different aspects. The beta distributions are used in extensively in Bayesian statistics. The bivariate beta distribution are used in a wide variety of applications such as Bayesian statistics and reliability theory. In this paper, we derive the exact distributions of the general form of Z = αX - βY, R = αX / βY = and P = αβXY, and the corresponding moments, when X and Y follow the Bivariate beta distribution also called \"Connor and Mosimann's generalized Dirichlet distribution\". The calculations involve the use of special functions. Moreover, an application of the results to real data (Nadarajah and Kotz [2007]) is provided.

Clustering is a popular unsupervised learning method used to group similar data points together. However, handling categorical variables in clustering can be challenging, as most clustering algorithms are designed to work with numerical data. Mathematical programming is a systematic model used for minimizing or maximizing the value of an objective function with respect to a set of constraints. The study suggests a mathematical nonlinear goal programming model for qualitative data clustering. The study clustering qualitative data using the suggested nonlinear goal programming model which has three main advantages: first is the data that is directly used, without the need of being converted to quantitative values, second is the optimal clusters which are automatically obtained by solving the optimization problem and third cluster analysis as an exploratory tool to support the identification of associations within qualitative data, cluster analysis can be helpful in identifying patterns where numerous cases are studied. The study evaluates the performance of the suggested mathematical nonlinear goal programming model using numerical examples by preliminary cases. The results for the suggested mathematical nonlinear goal programming model has to be proved efficient with a general average purity 64.2%.

The study1 aimed to assess the impact of disclosure of research and development (R&D) activities on predicting the stock price crash risk (SPCR) using Ant Colony Optimization (ACO). Our study was based on the quarterly data of Mina Pharm for Pharmaceuticals and Chemical Industries, a pharmaceutical and healthcare sector company operating on the Egyptian Stock Exchange. We found that disclosure of Corporate R&D activities can effectively reduce the SPCR, particularly with a company with product diversification, cost reduction, and information transparency constraints. We propose a novel method for accurately predicting the SPCR through ACO. It also contributes to continuous improvement until the optimal solution is reached, supports sustainable competitive advantage, and adds to the existing body of literature.

تعتبر كفاءة استخدام الموارد الصحية عاملا لا يستهان به في سبيل تحسين صحة الشعوب، و من منطلق المقارنة المرجعية (Benchmarking) سعت هذه الدراسة إلى قياس الكفاءة النسبية لـ 131 نظام صحي تخص بلدان الدخل المتوسط و المرتفع، و ذلك باستخدام أسلوب تحليل مغلف البيانات (DEA) ذو المرحلتين، حيث تتمثل المرحلة الأولى في قياس مؤشرات الكفاءة بأسلوب تحليل مغلف البيانات (DEA)، بينما تختص المرحلة الثانية باستخدام انحدار (Tobit) لغرض تفسير مؤشرات الكفاءة بم تغيرات هيكليه تخص النظام الصحي، و متغيرات أخرى (اجتماعية، ديمغرافية و اقتصادية تحيط بالنظام الصحي) تلعب دور المدخلات غير المتحكم فيها، و بينت النتائج أن العينة المدروسة متقاربة جدا في طريقه استخدام الموارد الصحية، و ذلك بمعدل 98.8%، بينما هناك تباعد ملحوظ في كيفية اختيار الموارد الصحي، و ذلك بمعدل 84.7%، كما بينت النتائج أن الحكومات التي تنفق أكثر على القطاع الصحي تمتاز أنظمتها الصحية بالكفاءة، و عن بقيت المتغيرات المفسرة للتفاوت في مؤشرات الكفاءة فجاءت العلاقات أغلبها موافقة للمنطق الصحي.

Statistical matching methods goal is to combine several data sources to build datasets. The main goal of statistical matching is to make helpful and informative synthetic data without collecting more data or making new surveys. The study aims to use the goal programming approach in statistical matching to complete the data in two files, where the first file contains variables different from the second file, with one or more of the common variables. To reach this goal, a linear regression model is designed for each of the variables in each file in terms of the variables in the two files. The goal programming approach was used to estimate the parameters of the two regression models, and from it the estimated value of the variables presents in the first file and not present in the second file, and so on, hence we get a file with all the variables. The goal programming approach has the advantage of minimizing the effect of outliers with estimates because it uses minimization of the sum of absolute deviations. Moreover, the proposed approach has a constraint that guarantees significant estimations of the parameters. In addition to formulating the model, A simulation study evaluates the proposed approach's performance by generating and imputing data for dependent variables from different distributions. Results show the efficacy of the approach in accurately estimating missing values while maintaining data quality and minimizing errors.