مهمترین هدف علم آمار تجزیه و تحلیل داده‌های واقعی دنیای پیرامون بشر است.

اگر این اطلاعات دقیق و درست تحلیل شوند، نتایج حاصل در بسیاری از تصمیمات مهم یاری‌گر ما

خواهد بود. از جمله داده‌های واقعی پیرامون ما که تحلیل آن بسیار مهم است، داده‌های مربوط به مصرف آب می‌باشد. با توجه به این که

کشور ایران در ناحیه نیمه خشک آب و هوایی از کره زمین قرار دارد، لازم است برای پیش‌بینی و برگزیدن

بهترین و مناسب ترین مدل های دقیق مصرف آب گام‌های ژرفی برداشت که لازمه تصمیمات کلان کشوری می‌باشد. در تجزیه و تحلیل داده‌های واقعی ممکن است محقق با مشکل همخطی و نقاط دورافتاده مواجه شود. روش‌های مقاوم ‎(استوار)‎ برای تحلیل مجموعه داده‌های دارای نقاط دورافتاده و رویکرد ستیغی روشی است که برای تحلیل مجموعه داده‌های دارای همخطی استفاده می‌شوند. محدودیت روی مدل‌ها نیز ناشی از به کارگیری اطلاعات غیرنمونه‌ای در برآورد ضرایب رگرسیونی است. در این مقاله به مدل‌سازی داده‌های مصرف آب، با استفاده از رویکرد ستیغی محدود شده تصادفی استوار پرداخته می‌شود.

ر دنیای امروزی با استفاده از فرآیند مدل‌سازی آماری می‌‌توان پدیده‌‏های طبیعی را جهت تحلیل و پیش‌‏بینی اتفاقات مورد
بررسی، بکار برد. دﺭ ﺑﺴﻴﺎﺭﯼ ﺍﺯ ﺭﻭﺵ‌ﻫﺎﯼ ﻣﺪﻝ‌ﺳﺎﺯﯼ ﺁﺏ‌ﺷﻨﺎﺳﯽ ﺍﺯ ﺍﻃﻼﻋﺎﺕ ﻣﻮﺟﻮﺩ ﺑﻪ ﺑﻬﺘﺮﻳﻦ ﻭﺟﻪ ﺍﺳﺘﻔﺎﺩﻩ ﻧﻤﯽ‌‌ﺷﻮد به این دلیل که مدﻝ‌‌ﻫﺎﯼ ﺁﺏ‌ﺷﻨﺎﺳﯽ فرﺍﻳﻨﺪﻫﺎﯼ ﻣﺤﻴﻄﯽ ﺭﺍ ﺩﺭ ﻃﻴﻒ ﻭﺳﻴﻌﯽ ‏نشاﻥ ﻣﯽ‌ﺩﻫﻨﺪ ﮐﻪ ﺑﺎﻋﺚ ﺍﻓﺰﺍﻳﺶ ﭘﻴﭽﻴﺪﮔﯽ ﻣﺪﻝ می‌‌شود. در هنگام پیش‌بینی به طور مشخص پارامترها بر عملکرد مدل‌های آماری تاثیر می‌‌گذارند. وجود عدم قطعیت در بسیاری از مسائل ارزیابی ریسک در پارامترها منجر به عدم قطعیت در پیش‌بینی‌های مدل می‌‌شود. تحلیل حساسیت کلی ابزاری است که برای نشان‌دادن عدم قطعیت استفاده می‌شود و در تصمیم‌گیری، ارزیابی ریسک، ساده‌سازی مدل‌ها و غیره کاربرد دارد. دو روش تحلیل حساسیت فاصله مینکوفسکی و تحلیل حساسیت منطقه‌ای روش‌هایی هستند که می‌‌توانند با یک مجموعه نمونه داده شده از جفت‌های ورودی - خروجی مدل کار کنند. یک تفاوت قابل توجه بین این دو روش آن است که تحلیل حساسیت فاصله مینکوفسکی، توزیع‌های خروجی را مشروط به مقادیر ورودی (پیشرو) تحلیل می‌‌کند در حالی که تحلیل حساسیت منطقه‌ای، توزیع‌های ورودی را مشروط به مقادیر خروجی تحلیل می‌کند (معکوس). در این مقاله به تعیین روابط روش‌های حساسیت کلی (فاصله مینکوفسکی و منطقه‌ای) پرداخته و نشان داده خواهد شد، هنگامی که تحلیل حساسیت منطقه ای بر توابع چگالی احتمالی متمرکز شود به سمت تحلیل حساسیت فاصله مینکوفسکی همگرا می‌شود. همچنین مشابه شاخص‌های حساسیت پیشرو می‌توان شاخص‌‎‏‌های حساسیت معکوس را به دست آورد. سرانجام به تحلیل حساسیت یک طرح ذخیره‌سازی آب با‏ استفاده از مدل های‌‌مد با ابعاد بالای خروجی‌های مدل پرداخته می‌شود.

تحلیل و مدل‌بندی داده‌های با بعد بالا یکی از چالش برانگیزترین مسائل روز دنیا است. تحلیل و تفسیر این‌ داده‌‌ها کاری ساده نیست و نیازمند استفاده از روش‌های مدرن است. روش‌های جریمه‌ای یکی از مشهورترین راه‌های تحلیل داد‌ه‌های با بعد بالاست. همچنین مدل‌بندی رگرسیونی و تحلیل آن به‌شدت تحت تاثیر مشاهدات پرت قرار می‌گیرد.

روش کمترین توا‌ن‌های دوم پیراسته نیز یکی از بهترین روش‌‌های استوار برای از بین بردن تاثیر تخریبی این نقاط است.

مدل‌های نیمه‌پارامتری که مدل‌هایی بسیار انعطاف‌پذیرند، ترکیبی از هر دو نوع مدل‌های پارامتری و ناپارامتری هستند. این مدل‌ها زمانی‌که هم بخش پارامتری و هم بخش ناپارامتری در مدل وجود دارد، مفیدند. هدف اصلی این مقاله تحلیل مدل‌های نیمه پارامتری در داده‌های با بعد بالا با حضور نقاط پرت با استفاده از روش لاسو تنک استوار است. در انتها، کارایی برآوردگر پیشنهادی با استفاده از یک داده واقعی در مورد تولید ویتامین ‎lr{B2}‎ سنجیده می‌شود.

آنتروپومتری علمی است که به بررسی اندازه‌های بدن شامل ابعاد قسمت‌های مختلف، میدان حرکت و قدرت عضلات بدن می‌‌پردازد. معمولا ابعاد اختصاصی فردی مانند ارتفاع‌ها، پهناها، عمق‌ها، فاصله‌ها، محیط‌ها و انحنا‌ها اندازه گرفته می‌‌شوند. در مقاله حاضر به بررسی ویژگی‌های آنتروپومتریک بیمارن مبتلا به بیماری‌‌های مزمن (دیابت، فشار خون، سکته‌های قلبی و مغزی) و یافتن عوامل موثر بر این بیماری‌ها پرداخته و میزان تاثیر هر کدام را برای انجام برنامه ریزی­‌‌های لازم جهت پیشگیری، مورد مطالعه قرار گرفته است. این تحقیق به صورت توصیفی- تحلیلی انجام شده است. جامعه پژوهش مردم شهرستان روانسر از توابع استان کرمانشاه می‌باشد. برای تجزیه و تحلیل داده‌ها و آزمون فرضیه‌های ارائه شده از نرم افزارهای آماری M‏ATLAB، R و SPSS استفاده شده است. سطح معنی‌­‌‌داری برای تمام آزمون‌ها کمتر از 0/05 در نظر گرفته شد. به منظور توصیف و خلاصه سازی متغیر‌‌ها از روش‌های آمار توصیفی استفاده شد. از روش‌های آمار تحلیلی شامل ضریب همبستگی پیرسون به‌­منظور بررسی ارتباط بین متغیر‌ها و روش تحلیل رگرسیونی (لجستیک)، برای بررسی تاثیر متغیرهای مستقل بر متغیر وابسته استفاده شده است. علاوه بر آن از یکی از الگوریتم‌‌های داده‌‌کاوی به نام درخت تصمیم نیز برای کاهش بعد داده‌‌ها و تحلیل آن‌‌ها استفاده گردید. یا توجه به نتایج به نظر می‌‌رسد که بسیاری از شاخص‌های پیکرسنجی با عوامل خطر ساز بیماری‌های مزمن، رابطه معنی‌­‌‌داری دارند، لذا ارزیابی‌های مستمر، تغییر سبک زندگی و افزایش سطح آگاهی برای کنترل و پیش‌گیری از بیماری پیشنهاد می‌شود.

استفاده از منابع اداری در اجرای سرشماری‌ها، امکان کاهش هزینه‌ها، بهبود کیفیت داده‌ها و تولید اطلاعات با توالی زمانی کوتاه‌تر را فراهم می‌کند. موارد ذکرشده‌ می‌تواند علاوه بر نظارت سالانه‌ی نماگرهای اهداف توسعه‌ی پایدار، در تأمین نیازهای رو به گسترش نظام برنامه‌ریزی و پژوهشی کشور نیز نقش به‌سزائی داشته باشد، اما چالش‌های زیادی نیز در این رابطه وجود دارد که یکی از مهم‌ترین آن‌ها ارزیابی کیفیت ثبت‌های اداری است. ارزیابی کیفیت اصلی‌ترین جنبه‌ی به‌کارگیری داده‌های ثبتی و اداری در سرشماری و از ضروریات اجرای سرشماری ثبتی‌مبنا است که در آن نمی‌توان از معیارهای سنتی ارزیابی کیفیت استفاده کرد. به‌عبارت دیگر، علی‌رغم مزایای به‌کارگیری داده‌های ثبتی و اداری در سرشماری، بسیاری از مخاطره‌های کلیدی کیفیت وجود دارند که باید قبل از استفاده از آن‌ها در سرشماری بررسی و ارزیابی شوند. در این مقاله روش‌هایی که اداره‌های آمار ملی چگونه می‌توانند کیفیت داده‌های به‌دست‌آمده از ثبت‌ها را با هدف تولید برون‌داد‌های آماری باکیفیت ارزیابی کنند، مرور شده است. از این‌رو، ابزارها و نماگرهای کلیدی مورد استفاده برای تعیین کمیت ارزیابی کیفیت در هر یک از چهار مرحله‌ی ارزیابی کیفیت شامل منبع، داده‌های ورودی، فرایند و برون داد در فرایند سرشماری معرفی شده است.