fa چگالی‌های پیشین با ساختار معین برای تحلیل بیزی جدول‌های پیشایندی کامل و ناقص آمار کاربردی Applied Statistics پژوهشی بنیادی Research <div style="text-align: justify;">در تحلیل جدول‌های پیشایندی، اغلب محققان از چگالی‌های پیشین خاص برای پارامترهای مدل لگ خطی یا احتمال خانه‌های جدول استفاده می‌کنند. اما در عمل گاهی اطلاعات با ارزشی، ترجیحا، در خصوص نسبت بخت‌های (تعمیم یافته) وجود دارد. لذا محقق نیازمند به رهیافت قوی‌تری است که بتواند&nbsp;باور&nbsp;پیشین&nbsp;خود را روی نسبت بخت‌های تعمیم یافته قرار دهد. از این توزیع‌های پیشین به‌عنوان چگالی‌های پیشین با ساختار معین یاد&nbsp;خواهد&nbsp;شد.&nbsp;در&nbsp;این&nbsp;مقاله ابتدا الگوی کلی چگالی‌های پیشین با ساختار معین معرفی خواهند شد. سپس به‌دلیل کاربرد وسیع این پیشین‌ها&nbsp;در&nbsp;آزمایه‌های&nbsp;بالینی و به‌ویژه در جدول‌های پیشایندی کامل و ناقص 2&times;2، پیشین‌های متناظر این حالت تحت سه شرط متفاوت به‌دست آورده می‌شوند.</div> <div style="text-align: justify;">In the Bayesian analysis of contingency tables, analysts commonly use special prior distributions for the parameters of log-linear models or the cell probabilities. But, in practice, sometimes there is some interpretive information which is rather on (generalized) odds ratios. So, it seems one will need a powerful approach so that he can model his prior believe on (generalized) odds ratios. Here, we refer to these priors as structural priors. In this paper we first introduce the general pattern of the structural priors. Then, since these priors have vast application in clinical trials and especially in the analysis of 2 x 2 complete and incomplete contingency tables, we obtain the corresponding structural priors, separately, under three conditions.</div> تحلیل بیزی, جدول‌های پیشایندی, چگالی پیشین, مدل‌های نسبتی, نسبت بخت‌ها, نسبت مخاطره Bayesian Analysis, Contingency Tables, Odds Ratio, Prior Density, Relational Models, Risk Ratio 185 205 http://jss.irstat.ir/browse.php?a_code=A-10-528-1&slc_lang=fa&sid=1 Kamran Ghoreishi کامران قریشی atty_ghoreishi@yahoo.com 10031947532846006357 10031947532846006357 Yes Department of Statistics, University of Qom, Qom, Iran. گروه آمار، دانشگاه قم