In this research the Empirical Bayes method is used to Estimate the affiliation parameter in the clinical trials and then we compare this with the Moment Estimates for this parameter using Monte Carlo stimulation , we assumed that the distribution of the observation is binomial distribution while the distribution with the unknown random parameters is beta distribution ,finally we conclude that the Empirical bayes method for the random affiliation parameter is efficient using Mean Squares Error (MSE) and for different Sample size .

في هذا البحث تتم مقارنة تقديرات بيز التجريبي لمعلمات الانتماء في التجارب السريرية مع تقديرات معلمات الانتماء بطريقة العزوم, وذلك بتوظيف اسلوب المحاكاة بطريقة مونت كارلو حيث تم استعمال المقياس الاحصائي متوسط مربعات الخطأ (MSE) من اجل المقارنة بين كفاءة التقديرات ولحجوم عينات مختلفة علماً انه تم افتراض نسب فقدان مختلفة للبيانات وعلى فرض ان توزيع المشاهدات هو توزيع ثنائي الحدين في حين كان توزيع المعلمات العشوائية المجهولة هو توزيع بيتا وتم التوصل في هذا البحث الى ان تقديرات بيز التجريبي لمعلمات الانتماء العشوائية افضل من تقديرات العزوم لهذه المعلمات ولحجوم العينات المفترضة في الجانب التجريبي.

:- missing data --- clinical trials --- affiliation parameter --- البيانات المفقودة --- التجارب السريرية --- معلمات الانتماء

The problem of missing data represents a major obstacle before researchers in the process of data analysis in different fields since , this problem is a recurrent one in all fields of study including social , medical , astronomical and clinical experiments .The presence of such a problem within the data to be studied may influence negatively on the analysis and it may lead to misleading conclusions , together with the fact that these conclusions that result from a great bias caused by that problem in spite of the efficiency of wavelet methods but they are also affected by the missing of data , in addition to the impact of the problem of miss of accuracy estimation it is not possible to apply these methods because of the miss of one of its conditions which is dyadic sample size .According to the great impact resulted from the problem , many researchers who devoted their studies to process this problem , by using traditional methods in processing missing data , whereas the current research used imputation methods more efficient and effective to process missing data as a primary stage so that these data will be ready and available to wavelet application , as a result simulation experiment proved that the suggested methods (Nearset Nighbor Polynomial Wavelet) are more efficient and superior to other methods , this paper also includes the auto correction of boundaries problem by using local polynomial models , and using different threshold values in wavelet estimations .

تعد مشكلة البيانات المفقودة عقبة كبيرة أمام الباحثين في عملية تحليل البيانات في مختلف المجالات ، وان هذه المشكلة متكررة الظهور في جميع مجالات الدراسات الاجتماعية والطبية والفلكية والتجارب السريرية وغيرها.وان وجودها ضمن البيانات المراد دراستها سيؤثر بشكل سلبي على تحليلها ومن ثم يؤدي الى استنتاجات مظللة ، وان هذه الاستنتاجات ناتجة من التحيز الكبير التي تحدثه . وعلى الرغم من كفاءة الطرائق المويجية الا انها هي الاخرى تتأثر بمشكلة فقدان البيانات ، فهي فضلا عن تأثير مشكلة الفقدان على دقة التقدير فليس بالامكان تطبيق هذه الطرائق لفقدان احد شروطها وهي حجم العينة الدايديكي(Dyadic) .ونظراً للتأثير الكبيرة الناجم عنها فان الكثير من الباحثين ممن كرسوا بحوثهم لمعالجتها باستخدام طرائق تقليدية في معالجة البيانات المفقودة ، بينما قام الباحث باستخدام طرائق تعويض اكثر كفاءة لمعالجة البيانات المفقودة كمرحلة اولى كي تصبح البيانات جاهزة للتطبيق المويجي وقد اثبتت تجارب المحاكاة كفاءة الطرائق المقترحة على بقية الطرائق الاخرى ، كذلك تضمن البحث التصحيح التلقائي لمشكلة الحدودية عن طريق استخدام نموذج متعدد الحدود فضلاً عن استخدام قيم عتبة مختلفة ضمن التقديرات المويجي.

Missing data- Wavelet regression- Local polynomial- K-Nearest Neighbor --- البيانات المفقودة - الانحدار المويجي - متعدد حدود موضعي – اقرب مجاور.

The idea of carrying out research on incomplete data came from the circumstances of our dear country and the horrors of war, which resulted in the missing of many important data and in all aspects of economic, natural, health, scientific life, etc.,. The reasons for the missing are different, including what is outside the will of the concerned or be the will of the concerned, which is planned for that because of the cost or risk or because of the lack of possibilities for inspection. The missing data in this study were processed using Principal Component Analysis and self-organizing map methods using simulation. The variables of child health and variables affecting children's health were taken into account: breastfeeding and maternal health. The maternal health variable contained missing value and was processed in Matlab2015a using Methods Principal Component Analysis and probabilistic Principal Component Analysis of where the missing values were processed and then the methods were compared using the root of the mean error squares. The best method to processed the missing values Was the PCA method

المستخلص : ان فكرة انجاز بحث حول البيانات غير التامة جاءت من ظروف بلدنا العزيـز ومـا تعرض له من ويلات الحروب حيث أدى ذلك الى فقدان الكثير من البيانات المهمة وفي جميع نواحي الحياة الاقتصادية والطبيعية والصحية والعلمية الصرفة ... الخ. كما ان أسباب الفقدان مختلفة ، منها ما يكون خـارجاً عـن ارادة المعنيين او تكون بإرادة المعنيين أي يكون مخططاً لذلك بسبب الكلفة او المخـاطرة او بـسبب عدم توافر الإمكانيات للمعاينة. وان معالجة البيانات المفقودة في هذا البحث تمت باستخدام طريقتي تحليل المركبات الرئيسة وتحليل المركبات الرئيسة الاحتمالية وذلك باستخدام المحاكاة, حيث تم اخذ متغيرات صحة الاطفال والمتغيرات التي تتاثر بها صحة الاطفال وهي الرضاعة وصحة الامهات ويحتوي متغير صحة الامهات على قيم مفقودة وتم معالجتها في برنامج ( Matlab2015a) باستخدام طريقة تحليل المركبات الرئيسة وخرائط التنظيم الذاتيSOM حيث تم معالجة القيم المفقودة ومن ثم مقارنة الطرائق باستعمال جذر متوسط مربعات الخطأ وكانت افضل طريقة لمعالجة القيم المفقودة هي طريقة تحليل المركبات الرئيسة (PCA).

Missing Data Problem --- Methods of estimating missing values --- Principal Component Analysis --- self-organizing Map. --- مشكلة البيانات المفقودة --- طرائق تقدير القيم المفقودة --- تحليل المركبات الرئيسة PCA --- خرائط التنظيم الذاتيSOM.