---

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 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.

---

!mso]> gte mso 9]>l> gte mso 9]>l> Normal 0 false false false EN-US X-NONE AR-SA gte mso 9]>l> در این مقاله ضرورت توجه به داده های  k  رکوردی توضیح داده می شود. در ادامه تعاریف مختلف k رکوردها بیان و برخی از نظرات از جمله نظرات دمبنیسکا و بلازکیز(2005) در خصوص تفاوت بین این تعاریف تشریح می گردند. در پایان برخی از ویژگی های  kرکوردها مورد بحث قرار می گیرند.

---

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 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.

---

امروزه علاقه به استفاده از توزیع های منعطف مانند توزیع های چوله که توانایی بیشتری را در بیان رفتار داده های مشاهده شده دارا می باشد روز به روز در حال افزایش می باشد. این توزیع ها، بیشتر در علوم پزشکی و علوم رفتاری که مقادیر واقعی متغیرهای تصادفی دارای توزیعی غیر متقارن است مورد استفاده قرار می‌گیرد. با توجه به کاربرد زیاد توزیع های چوله، در این مقاله بعد از مروری مختصر در مورد توزیع های چوله معروف، توزیع های نرمال، تی، نرمال و تی چوله به داده های استخراج شده از داده های پزشکی شرکت فولاد مبارکه برازش داده شده و سپس با استفاده شاخص AIC بهترین مدل، مورد انتخاب قرار گرفت.

---

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.

---

در این مقاله خواص میانگینهای موزون توانی؛ حسابی؛ هندسی و هارمونیک دو تابع مفصل را بررسی می کنیم.

---

در این مقاله، به کمک متغیرهای تصادفی زمان توقف و انجام شبیه سازی، برآوردگرهای نااریب برای عدد نپر،e، به دست می آوریم. 

---

در این مقاله میخواهیم بر اساس مشاهدات اولین n رکورد بالایی از توزیع نمایی، برآورد حداکثر درستنمایی پارامتر این توزیع را بدست آوریم.سپس روی مسئله پیشگویی نقطه ای مقادیر رکوردهای بالایی آینده در توزیع نمایی بر اساس نگرشهای کلاسیک وبیز وتحت توابع زیان درجه دوم و لاینکس متمرکز می شویم.در پایان نیز از طریق شبیه سازی مونت کارلو به مقایسه عددی پیشگوهای نقطه ای بدست امده خواهیم پرداخت

---

 

  در این مقاله به معرفی اجمالی از نرخ خطر معکوس و توزیع های آمیخته پرداخته و سپس نرخ خطر معکوس در توزیع های آمیخته،

زمان سپری شده از شکست در این توزیع ها را معرفی می کنیم، همچنین دو مدل جمعی و ضربی از نرخ خطر معکوس آمیخته را معرفی می کنیم و نشان می دهیم نرخ خطر معکوس آمیخته از K زیر جامعه با نرخ خطر معکوس افزایشی همواره افزایشی است.

---

  اخیرا چندین نمودار کنترل در متون کنترل فرآیندهای آماری معرفی شده که بر اساس ایده چگالی پیش بین بیزی استوار است . در بین این نمودارها نمودار کنترل تغییرپذیری قرار دارد که ما آن را نمودار VBPD می نامیم.

در این مقاله ما ایده میانگین متحرک را به نمودار VBPD اضافه می کنیم و به این ترتیب یک نمودار کنترل جدید معرفی می کنیم که تمام مزیت های نمودار اولیه VBPD را دارد و علاوه بر آن دارای یک مزیت جدید است، که آن مزیت جدید حساسیت نسبت به تغییرات کوچک در واریانس فرآیند می باشد. ما این نمودار جدید را نمودار MAVBPD می نامیم.

در هر دو نمودار  VBPD و MAVBPD، پارامترها مجهول فرض می شوند ولی آماره کنترل در هر دو مورد از یک توزیع معلوم فیشر پیروی می کند که در نتیجه برای محاسبه حدود کنترل نیازی به شبیه سازی نمی باشد.

---

مدل‌های آماری برای شناخت مکانیزمی که داده‌ها از آن تولید شده، استفاده می‌شود. در بیشتر مدل‌ها فرض می‌شود متغیرهای

تصادفی ‎Y_{i}‎، ‎i=1,...,n‎، نمونه‌ای تصادفی از توزیع ‎F‎ هستند، که ‎F‎ متعلق به یک کلاس از خانواده توزیع‌های پارامتری است. اما در بسیاری از مسائل عملی نمی‌توان انتظار داشت که یک مدل پارامتری برای توصیف داده‌ها مناسب باشد. در این شرایط می‌توان فرض پارامتری را کنار گذاشت و از مدل‌های انعطاف‌پذیر و نیرومندتری برای تحلیل داده‌ها استفاده کرد. در چارچوب روش بیز ناپارامتری با تعریف یک توزیع پیشین روی فضای کل توزیع‌های احتمالی و فرض نمودن آن برای توزیع متغیر تصادفی این انعطاف‌پذیری حاصل می‌شود.

بعبارت دیگر فرآیندهای تصادفی روی خانواده‌ای از توابع توزیع تعریف می‌شوند و بعنوان پیشین برای توزیع تصادفی

بکار می‌روند. از جمله مهم‌ترین این ‎‏پیشین‌ها فرآیند دیریکله است که دارای ویژگی‌های مهم و جالبی است، لذا در

گستره وسیعی از مسائل بیز ناپارامتری مورد استفاده قرار می‌گیرد. در این مقاله این فرآیند و خواص آن معرفی

می‌شود.

 

---

  باورها از عدم اطمینان نتیجه می‌شوند. عدم اطمینان گاهی اوقات از یک فرایند تصادفی وگاهی به دلیل کمبود اطلاعات حاصل می‌شود. در گذشته تنها راهکار در شرایط عدم اطمینان، نظریه احتمال بوده است. اما از چند دهه گذشته تا کنون، نظریه‌های گوناگون دیگری برای بررسی متغیرها و سیستم‌هایی که اطلاع نسبت به آنها کافی و دقیق نیست ارائه شده اند. یکی از این راهکارها نظریه توابع باور یا نظریه دمپستر-شفراست. این نظریه به عنوان تعمیمی از نظریه احتمال مورد توجه قرار گرفته است که امکان نمایش حالت های مختلفی از اطلاعات، یقین کامل تا عدم آگاهی کامل، را فراهم می‌کند. تابع باور یک روش برای استفاده احتمال ریاضی در قضاوت‌های ذهنی عرضه می‌کند. یک مدل برای نمایش توابع باور مدل انتقال باور است. این مدل از نظر مفهومی ‌مانند مدل بیز است. در این مدل باورها در دو سطح قرار دارند، یکی سطح باوری که در آن باورها قبول می‌شوند توسط تابع باور اندازه گیری می‌شوند، و دیگری سطح شرط بندی که در آن باورها می‌توانند برای تصمیم گیری استفاده شوند و توسط توابع احتمال اندازه گیری شوند. تفاوت این مدل با مدل بیزی در حضور سطح باور است. مدل بیزی این سطح را ندارد.

 

---

در این مقاله به شرح محاسبۀ توزیع حدی درجۀ گره ها در نوعی درخت تصادفی به نام درخت بازگشتی تصادفی k -مینیمال برچسب، وقتی که اندازۀ آن درخت به اندازۀ کافی بزرگ باشد؛ پرداخته شده است. درجهٔ خارجی یک گره در درخت بازگشتی تصادفی k -مینیمال برچسب، برابر با تعداد مشتریانی است که آن گره بدون واسطه در یک طرح هرمی بازاریابی جذب می کند. 

---

در این مقاله، آماره‌های ترتیبی دنباله‌ای معرفی می‌شوند، سپس بر اساس نمونه سانسور‌شده مضاعف نوع دوم از آماره‌های ترتیبی دنباله‌ای، برآوردگر بیز برای پارامترهای توزیع نمایی یک و دو پارامتری تحت فرض توزیع پیشین گامای وارون و تابع زیان توان دوم خطا به‌دست آمده و هم‌چنین پیشگویی بیزی زمان‌های شکست آتی بررسی شده است. در ادامه، در مثالی کاربردی برآوردگر بیز و برآوردگرهای غیر‌بیزی هم‌چون بهترین برآوردگر ناریب خطی (BLUE) و برآوردگرهای ماکسیمم درستنمایی تقریبی (AMLE) به‌دست آورده می‌شوند.