---

یکی از مسائل اساسی که در استفاده از طرح‌های کسری دنبال می‌شود، چگونگی انتخاب طرح بهینه از میان طرح‌های کسری دارای تعداد اجرای برابر است. معیار وضوح، عمومی‌ترین معیار برای مقایسه طرح‌های کسری منظم است. این مقاله معیار وضوح تعمیم‌یافته، که تعمیم مفهوم وضوح به حوزه طرح‌های کسری نامنظم است را معرفی می‌کند. این معیار، ملاک مناسبی برای رتبه‌بندی طرح‌های کسری نامنظم می‌باشد. شایان ذکر است که وضوح تعمیم‌یافته طرح‌‌های کسری منظم با وضوح این گونه طرح‌ها برابر می‌باشد. بنابراین از معیار وضوح تعمیم‌یافته می‌توان برای مقایسه طرح‌های کسری منظم و نامنظم با تعداد اجرای برابر نیز استفاده نمود. مزیت دیگر معیار وضوح تعمیم‌یافته این است که ایده‌ای را برای معرفی معیار کمینه انحراف تعمیم‌یافته به دست می‌دهد که معیار اخیر، تعمیم معیار کمینه انحراف می‌باشد. در خلال مباحث مثال‌هایی برای تشریح کاربرد معیارهای معرفی شده، ارائه شده است.

---

---

در متن موجود است.

---

در این مقاله، بر مبنای سانسور راست پیشرونده ی نوع دو، ابتدا برآورد درستنمایی ماکزیمم و سپس برآورد درستنمایی ماکزیمم تقریبی پارامترهای شکل و مقیاس توزیع وایبل مورد بررسی قرار می گیرند، همچنین نوع جدیدی از برآورد پارامترها که برآورد وارون نامیده می شود برای برآورد پارامترهای مقیاس و شکل در توزیع وایبل معرفی می گردد که در این روش از خواص آماره های ترتیبی استفاده می شود. با استفاده از شبیه سازی، اریبی و میانگین مربع خطا در سه روش درستنمایی ماکزیمم و درستنمایی ماکزیمم تقریبی و برآورد وارون را برای دو پارامتر محاسبه کرده و مورد مقایسه قرار داده ایم و نتایج را در جداولی درج کرده ایم. در پایان دو مثال عددی نیز برای تشریح روش های پیشنهاد شده بررسی شده اند

---

یک روش مناسب در برازش مدل‌های رگرسیونی با هدف افزایش انعطاف‌پذیری بیشتر مدل در تحلیل انواع داده‌ها با ساختار پخش غیرنرمال، استفاده از کلاس توزیع‌های آمیخته- مقیاس نرمال است. ساختار این خانواده بر پایه نمایش سلسله‌مراتبی تصادفی است که در آن توزیع آمیختگی نقش اساسی را در ویژگی‌های خاص آماری این توزیع‌های آمیخته ایفا می‌کند. این نمایش منجر به استفاده ساده‌تر و کاربرد بهتر این توزیع‌ها در برازش مدل‌های پیچیده توسط رهیافت بیز خواهد شد. ما در این مقاله خانواده توزیع آمیخته-مقیاس نرمال و توزیع‌های منتج از آن را در برازش مدل‌های پانلی به منظور انجام تحلیل‌های مقاوم‌تر داده‌های وابسته معرفی می‌کنیم. همچنین توزیع‌های پسین شرطی کامل موردنیاز جهت برآورد پارامترها با روش الگوریتم نمونه‌گیری گیبز را به دست می‌آوریم. در ادامه، مدل‌های معرفی شده را در تحلیل داده‌های بورس اوراق بهادار تهران بکار برده و با معیارهای انتخاب مدل آنها را مقایسه می‌کنیم.

---

در این مقاله، ابتدا به معرفی اجمالی توزیع های t-چوله و نمایی وزنی پرداخته و برخی از خواص مهم آن ها را بررسی می کنیم. سپس با استفاده از مجموعه داده های واقعی که برای نشان دادن برتری توزیع نمایی وزنی بر توزیع های وایبل، گاما و نمایی تعمیم یافته استفاده شده است، نشان می دهیم که داده ها توسط توزیع t-چوله نسبت به توزیع نمایی وزنی بهتر برازش می شوند. سرانجام ادعای خود را با استفاده از شبیه سازی نیز بررسی می کنیم.

---

---

در بسیاری تحقیقات مربوط به آزمونهای طول عمر، با محدودیتهایی مانند زمان و تعداد واحد نمونه مواجه هستیم، که این عوامل باعث می شود پژوهشگر دسترسی به کل داده ها نداشته باشد. بنابراین پیش بینی مقادیر مشاهده نشده بر اساس اطلاعات واحدهایی از نمونه که در دسترس می باشند، ارزش مطالعه دارد. دراین مقاله با فرض اینکه مشاهدات اصلی از مدل نمایی پیروی می کنند و محدودیت اعمال شده بر داده ها سانسور دو طرفه است، پیش بینی مقادیر مشاهده نشده را از دیدگاه آمار بیز در دو حالت یک نمونه ای و دو نمونه ای مورد بررسی قرار داده ایم. در هر حالت پیش بینی فاصله ای با پوشش داده شده بدست می آید. در پایان با ارایه یک مثال عددی، نتایج بدست آمده تحلیل شده است.

---

در سالهای اخیر مدل های رگرسیونی چندسطحی به طور چشمگیری در علوم مختلف از جمله پزشکی ،روانشناسی ، اقتصاد و سایر علوم توسعه یافته اند.این مدل ها برای داده هایی با ساختار سلسله مراتبی که هر سطح پایینی در سطوح بالاتر لانه گزیده است کاربرد دارند. برای مدل کردن این نوع داده ها با متغیرهای پاسخ گسسته از مدل های رگرسیونی تعمیم یافته استفاده می شود. در این مقاله ابتدا مدل رگرسیونی لجستیک ترتیبی دوسطحی معرفی شده و روش های مختلف برای برآورد پارامترهای مدل شرح داده می شود.سپس کاربرد این مدل با استفاده از داده های مطالعه برآورد هزینه دیابت در ایران که توسط مرکز غدد درون ریز و متابولیسم و دانشگاه علوم پزشکی تهران درسال 1385 گردآوری شده است در تعیین عوامل موثر فردی و محیطی بر باراقتصادی بیماری دیابت نوع دو بر بیماران دیابتی پرداخته می شود.

---

نمودارهای کنترل برای هشدار دادن در فرایندی که میزان کیفیت آن با بیش از یک مشخصه‌ی کیفیت همبسته تعیین می‌شود، مورد استفاده قرار می‌گیرند. مطالعات اخیر نشان داده‌اند که استفاده از طرح‌ اندازه نمونه‌ی متغیر (VSS)، در کشف و شناسایی تغییرات کوچک در بردار میانگین، نمودارهایی با توان آماری بالاتری در مقایسه با طرح‌ نرخ نمونه‌گیری ثابت را نتیجه می‌دهد. در این مقاله به طراحی نمودار کنترل جدیدی با استفاده از رویکرد زنجیر مارکوف پرداخته شده است که در آن علاوه بر متغیر بودن اندازه‌ی نمونه، حدود کنترل نیز متغیر می‌باشند. در این طراحی، علاوه بر در نظر گرفتن معیارهای آماری، بهینه بودن طرح از لحاظ اقتصادی با استفاده از مدل اقتصادی کوستا و رحیم (2001) نیز مورد توجه قرار گرفته است. این مدل اقتصادی مواردی چون هزینه‌ی هشدارهای اشتباه، هزینه‌ی شناسایی انحراف بادلیل و تعمیر فرایند، هزینه‌ی تولید محصول زمانی که فرایند در حالت خارج از کنترل به سر می‌برد و نیز هزینه‌ی نمونه‌گیری و بازرسی محصولات را شامل می‌شود. همچنین با استفاده از رویکرد الگوریتم ژنتیک (GA) به بهینه‌سازی مدل مورد نظر و به دست آوردن پارامترهای بهینه‌ی مدل پرداخته شده است. در پایان نمودارهای و نسبت به هزینه‌ی مورد انتظار در واحد زمان مقایسه می‌شوند.

---

هدف از این مقاله معرفی انواع گوناگون معیارهای بهینگی است که در برآورد پارامترها مورد استفاده قرار می‌گیرند. ایده اصلی این‌گونه معیارها بهبود استنباط‌های آماری راجع به پارامترها و کمیت‌های مورد نظر، با انتخاب مناسب مقادیر متغیرهای کنترل (پیش‌بین) است. با توجه به کمیت‌های مختلفی که مایل به استنباط درباره آن‌ها هستیم، معیارهای متفاوتی نیز در این زمینه معرفی شده‌اند. در این مقاله علاوه بر بررسی معیارها برای مدل‌های خطی و ارائه الگوریتم عددی، تعمیم آن‌ها برای حالت کلی‌تر، که مدل غیرخطی است، را نیز در نظر می‌گیریم. از آن‌جا که در حالت غیرخطی، معیارها به پارامترهای نامعلوم وابسته‌اند، به رویکردهای متفاوت برای رفع این مشکل می‌پردازیم.

---

در حدود دو قرن، فرایند پواسون با ویژگی عدم حافظه برای توزیع نمایی متناظر به عنوان ساده‌ترین و یکی از مهم‌ترین مدل‌های تصادفی مورد استفاده قرار گرفته است در حالی‌که در دنیای پیرامون ما فرایند‌های زیادی با حافظه بلند وجود دارند. بنابراین تعمیم فرایند پواسون به نحوی‌که این فرایندها را نیز شامل شود سودمند است. در این تعمیم، یک پارامتر $alin (0, 1]$ به عنوان توان کسری فرایند اضافه می‌شود. در این مقاله، تغییر حالت از فرایند پواسون معمولی به تعمیم کسری آن، یعنی فرایند پواسون کسری ($f$) بررسی و ارتباط $f$ با توزیع‌های $alpha$-پایدار با حل یک معادله انتگرالی اثبات شده است. سرانجام مشخصات این برآوردگرها با استفاده از داده‌های شبیه‌سازی آزمون شده است.

---

در این مقاله خانواده ای جدید از توزیع ها با کاربرد فراوان در مهندسی مالی، معرفی شده است. این توزیع شامل توزیع های مهم آماری مانند توزیع مثلثی، توانی و یکنواخت است. ابتدا حالت خاصی از این توزیع در نطر گرفته شده و س‍‍پس ویژگی های مهم آن را بررسی نموده ایم. در پایان برآورد بیشینه درستنمایی را برای پارامترها به همراه مثال عددی ارائه می کنیم.

---

در این مقاله، به مساله تولید یک نمونه تصادفی از توزیع گاما با استفاده از توزیع نمایی تعمیم یافته می پردازیم

---

در مطالعه‌ی قابلیت اعتماد سیستم‌های فنی، مدل‌های رکورد نقش مهمی را ایفا می‌کنند. فرض کنید کمترین مقدار اولین رکورد معلوم باشد، در این صورت تعریفی را برای میانگین باقیمانده رکوردهای بعدی ارائه می‌دهیم. در ادامه تحت این فرض که مقدار حد پایین m-امین رکورد مشخص باشد، میانگین باقیمانده رکوردهای بعدی را پیش‌بینی می‌کنیم.

به علاوه، تعمیم میانگین باقیمانده رکوردها را بر اساس دنباله‌ای از k-رکورد تعریف می‌کنیم و خواص مختلف آن را بررسی می‌کنیم. در انتها با استفاده از شبیه‌سازی درستی برخی از نتایج تئوری را نشان می‌دهیم.

---

چکیده: برآورد پارامترها با توجه به ماهیت توزیع‌های آماری همیشه به‌سادگی میسر نیست. به‌ویژه برآورد پارامترهای توزیع بیرنبام- ساندرز با روش‌های متفاوت با مشکلاتی مواجه است. در این مقاله روش‌های مختلف برآورد پارامترهای توزیع بیرنبام-ساندرز معرفی می‌شود. برآورد پارامترهای این مدل عمر فرسودگی به چهار روش امکان‌پذیر است. روش اول روشی گرافیکی است که تکنیک نموداری ساده‌ای مبتنی بر نمودار احتمال است و برای برآورد پارامترها و بررسی نیکویی برازش زمان‌های شکست ناشی از فرسودگی به‌خوبی عمل می‌کند. در این مقاله همچنین برآوردگرهای ماکسیمم درستنمایی و برآوردگرهای گشتاوری تعدیل یافته مورد مطالعه قرار گرفته است. روش دیگر، برآورد پارامترها به‌شیوه‌ی جک‌نایف است که برای اندازه نمونه کوچک مناسب‌تر است. در پایان کارایی این برآوردگرها به‌وسیله شبیه سازی مونت-کارلو مورد مطالعه و مقایسه قرار گرفته است.

---

در این مقاله طرح های کاوش معرفی شده در سریواستا (1975) مرور می شوند. در یک مساله خاص ممکن است چند طرح کاوش با تعدا د اجراهای یکسان وجود داشته باشد. بحث معیارهای ارزیابی طرح های کاوش از دیگر موضو عات مطرح شده در این مقاله است. معیار های مبتنی بر احتمال کاوش و کولبک -لیبلر مورد انتظار همراه با مثال هایی مطرح شده اند.

---

در این مقاله، قانون بن‌فورد به عنوان یکی از قواعد جذاب نظریه احتمال مورد توجه قرار گرفته است. برخلاف تصور عمومی مبنی بر هم‌شانس بودن اعداد برای قرار گرفتن در رقم‌های مختلف، این قانون نشان می‌دهد که در مشاهدات حاصل از بسیاری پدیده‌های طبیعی، اعداد بصورتی خاص و غیر همشانس در موقعیت‌های مختلف توزیع شده‌اند. قانون بن‌فورد توزیعی گسسته و نامتقارن برای ارقام معنی‌دار مشاهدات حاصل از شمارش یا برگرفته از رویدادهای طبیعی ارائه می‌دهد و دارای کاربردهای بسیار متنوعی در زمینه‌های مختلف است

---

در این مقاله چهار رویکرد به مسئلۀ برازش یک مدل رگرسیون خطی در حضور داده‌های بدتراز فضایی ارائه می‌شود. این رویکردها عبارتند از روش باجایگذاری، شبیه‌سازی، رگرسیون کالبیدنی و ماکسیمم درستنمایی. در دو رویکرد اول، با مدل‌بندی همبستگی موجود در متغیر توضیحی، پیشگویی آن در موقعیت‌های متناظر با متغیر پاسخ تعیین می‌شود. سپس باجایگذاری پیشگوهای به‌دست آمده به جای مقادیر واقعی در مدل رگرسیونی، برازش مدل انجام می‌شود. نشان داده می‌شود این کار باعث ایجاد خطای برکسن شده و این خطا نیز منجر به ایجاد اریبی در برآورد شیب مدل رگرسیونی می‌شود. برای تعدیل این اریبی، رویکرد رگرسیون کالبیدنی ارائه می‌شود. در رویکرد ماکسیمم درستنمایی مستقیماً از داده‌های بدتراز استفاده شده و پارامترهای مدل رگرسیونی برآورد می‌شوند. در واقع، دیگر نیازی به پیشگویی متغیر توضیحی در مکان‌های متناظر با متغیر پاسخ نیست. اما متاسفانه بررسی دقیق خواص برآوردگر ماکزیمم درستنمایی به‌دلیل نداشتن فرم تحلیلی، امکان‌پذیر نیست. در یک مطالعۀ شبیه‌سازی، عملکرد کلیه رویکردها تحت چندین مدل فضایی برای متغیر توضیحی مورد بررسی قرار می‌گیرد. مشاهده می‌شود رگسیون کالبیدنی می‌تواند به میزان قابل توجهی اریبی برآوردگر شیب خط رگرسیونی را نسبت به روش‌های دیگر کاهش ‌دهد. به‌علاوه، میزان پوشش اسمی بازۀ اطمینان شیب خط رگرسیونی توسط این روش قابل توجه است.

---