أطروحة (دكتواره)-جامعة القاهرة، 2022.

ببليوجرافيا: ص. 76-80.

تعتبر القرارات الرشيدة الهدف الأسمى الذي تسعى السياسات لتحقيقه سواء تعلق الأمر بالسياسة الكلية أم الجزئية، فعلى الصعيد الكلى تسعى الحكومات لتبنى مختلف البرامج والإجراءات التي من شأنها تحقيق الأهداف القومية المرجوة، ولا شك أن للتنبؤ دوراً مهماً وبارزاً في عملية اتخاذ القرارات، حيث أن التنبؤ هو رؤية مستقبلية لما ستكون عليه الظواهر والمتغيرات في المستقبل، بصيغة أخرى هو إسقاط للماضي على المستقبل من خلال الحاضر، وللتنبؤات أهمية بالغة في التخطيط وصياغة القرارات التي ترسم المسار. قدمنا في هذه الدراسة بعض النماذج الرياضية التي يمكن من خلالها التقدير والتنبؤ بمستوى الخصوبة اعتماداً على قيم كلاً من PR- CYP ، وقد كان من أحد الأهداف التي رغبنا فى تحقيقها، تطبيق هذه النماذج الاحصائية واختيار أفضلها، لأنها تسهم من خلال نتائجها في وضع برامج وسياسات التنمية الشاملة بشكل دقيق. وخلال هذه الدراسة تم تطبيق بعض النماذج الاحصائية والذكية - الانحدار الخطي المتعدد Multiple Linear Regression ، تحليل المسارات Path Analysis ، تحليل انحدار استجابة السطح Response Surface Regression ، الشبكات العصبية الإصطناعية Artificial Neural Networks - التي يمكن من خلالها التقدير والتنيؤ بمستوى الخصوبة اعتماداً على قيم كلاً من PR- CYP ، ومعرفة النموذج الأفضل للتطبيق. وكانت أهم النتائج والتوصيات الآتية: أولاً : النتائج تحليل انحدار استجابة السطح أكثر دقة وكفاءة في التصنيف عن الأساليب الإحصائية الأخرى (الانحدار الخطي المتعدد - تحليل المسارات) حيث وصل لمعدل مرتفع وعال من الدقة مع بقاء أفضليتها وسرعتها ودقتها. من خلال التطبيق لكل من النماذج الإحصائية التقليدية (الانحدار الخطي المتعدد - تحليل انحدار استجابة السطح - تحليل المسارات) والشبكات العصبية تبين أن الشبكات العصبية قد تميزت عن الأساليب الإحصائية التقليدية بعدم اعتمادها على شروط معينة في البيانات مثل التبعية للتوزيع الطبيعي، وعدم وجود قيم مفقودة، وخطية البيانات. وجد أن الأساليب الذكية مثل الشبكات العصبية تتفوق على الأساليب التقليدية للأسباب السابق ذكرها بالإضافة إلى مرونتها، وسرعتها في التشغيل على البيانات مهما كبر حجم الفاقد منها.