---

در پایان دسامبر 2019، گسترش یک بیماری عفونی جدید در شهر ووهان چین گزارش شد که توسط یک کروناویروس جدید ایجاد شده و به طور رسمی توسط سازمان بهداشت جهانی به عنوان کووید-19 نام­گذاری گردید. با عبور تعداد قربانیان این ویروس از مرز ۱۰۰۰ نفر، سازمان بهداشت جهانی برای بیماری ناشی از آن نام رسمی کووید-19را انتخاب کرد که اشاره‌ای به «کرونا»، «ویروس»، «بیماری» و سال ۲۰۱۹ دارد. پیش­بینی هایی در ارتباط با کووید-19 می­تواند به دولت در تصمیم گیری­های بهتر کمک کند. در این مقاله، از یک رویکرد عینی برای پیش بینی هایی در ارتباط با کووید-19 مبتنی بر روش­های آماری استفاده شده است. تحلیل ها با این فرض انجام شده اند که داده ­های ارائه شده قابل اعتماد هستند. مهم ترین هدف، پیش بینی روند شیوع ویروس کرونا برای تعداد موارد مبتلای قطعی، فوتی و بهبودیافته و تخمین مدت زمان مدیریت این ویروس است که از روش هموارسازی نمایی برای پیش بینی استفاده شده است.  این خانواده از مدل­ها، به­خصوص برای سری های زمانی کوتاه مدت بسیار مناسب است. هموارسازی نمایی به زبان ساده نوعی میانگین متحرک است که خود را اصلاح می‌کند. در نهایت با توجه به پیش بینی آماری صورت گرفته، به ارائه راهکارهایی می پردازیم.

---

هنگام کار با یک مجموعه داده رگرسیونی ممکن است برخی شرایط برقرار نباشند و محدودیت‌هایی برای اجرای مدل رگرسیون به وجود آیند. روش آنتروپی تعمیم‌یافته ماکسیمم قادر است پارامترهای مدل رگرسیونی را بدون اعمال هیچ شرطی روی توزیع احتمال خطاها برآورد کند. این روش حتی در مواردی که حجم نمونه خیلی کم است و یا بین متغیرهای مستقل، هم‌خطی بالایی وجود داشته باشد قادر به برآورد پارامترهای مدل است و لذا روشی توانمندی است. در این پژوهش قصد بر آن است پارامترهای مدل لجستیک دودویی با به‌کارگیری آنتروپی تعمیم‌یافته ماکسیمم (GME)‎ برآورد شود و نتایج آن با روش ماکسیمم درستنمایی ‎(ML)‎ براساس معیار میانگین مربعات خطا‎(MSE) ‎ مقایسه شود. بدین‌منظور نمونه‌ای تصادفی به حجم ‎399‎ نفر از اطلاعات مشتریان بانک مانند سن، شغل، وضعیت تأهل، میزان تحصیلات و وام به‌عنوان متغیرهای مستقل و تقاضای مشتری برای افتتاح حساب مدّت‌دار به‌عنوان متغیر وابسته جمع‌آوری شد. درنهایت با توجه به مقدار ‎MSE‎ نتیجه گرفته شد که روش GME نسبت به روش ML‎ دقیق‌تر است.

---

در این مقاله، تابع چگالی احتمال و تابع توزیع تجمعی حاصل‌ضرب چند متغیر تصادفی مستقل دارای توزیع توانی با پارامترهای دوبه‌دو متفاوت و هم‌چنین تابع مولد گشتاور و تابع مشخصه این متغیرها در حالتی خاص محاسبه شده‌اند. به عنوان نتایجی از این محاسبات تابع چگالی احتمال و تابع توزیع تجمعی حاصل‌ضرب چند متغیر تصادفی مستقل دارای توزیع پارتو و مجموع چند متغیر تصادفی مستقل دارای توزیع نمایی با پارامترهای دوبه‌دو متفاوت ارائه شده‌اند. کاربردهای نظری دیگری از این محاسبات نیز در پیدا کردن تابع چگالی حاشیه‌ای آماره‌های ترتیبی با توابع چگالی احتمال مطلقاً پیوسته و چند اتحاد ترکیباتی جالب پدیدار گشته است.

---

در این مقاله متغیر تصادفی فازی و تابع توزیع تجمعی آن را مطالعه میکنیم و به بیان متغیر تصادفی فازی توام و تابع توزیع تجمعی آنها میپردازیم. سپس به بیان مفهوم مفصل و کاربرد آن در ساخت تابع توزیع تجمعی توام پرداخته و کاربرد مفصل را در ساخت تابع توزیع تجمعی توام دو متغیر

تصادفی فازی ارائه میدهیم. درنهایت، جهت درک بهتر مثالی را برای این مطلب بیان میکنیم.

---

برای  استنباط آماری  در مورد  پارامتر‌های مدل رگرسیونی نیاز به فرض توزیع مشخصی بر روی عبارت خطای تصادفی می‌باشد.  یک فرض اساسی  در  مدل رگرسیون خطی این است که عبارت خطای تصادفی از یک توزیع نرمال پیروی کند. با این حال، در پژوهش‌های آماری گاهی با داده‌هایی مواجه می‌شویم که توزیع آن‌ها   چولگی و دو مدی را ارائه می‌دهند، و دیگر نمی‌توان از فرض توزیع نرمال برای تحلیل آنها استفاده کرد.  یک رویکرد مرسوم برای  حل این مسئله به کارگیری آمیخته‌ای از مدل‌های چوله نرمال است.   اما در این گونه مدل‌ها تعداد پارامترها به نحو فزاینده‌ای افزایش می‌یابد که این خود برازش مدلها به داده‌ها را دشوار می‌نماید. بعلاوه مدل‌های آمیخته خود درگیر مسائلی مانند شناساناپذیری هستند.
    در این حالت یک راه‌حل مناسب استفاده از توزیع‌های منعطفی است، که بتوانند   چولگی و دو مدی بودن داده‌ها را در مدل بندی   لحاظ کنند. تاکنون روشهای مختلفی ارائه شده که بر مبنای   توسعه توزیع چوله‌نرمال، توزیع‌های دو مدی نامتقارن ایجاد شده‌اند. در این مقاله از این روشها برای ساخت و معرفی مدل رگرسیونی منعطف  نسبت به مدل‌های رگرسیون مبتنی بر توزیع چوله‌نرمال و آمیخته‌ای از دو توزیع چوله‌نرمال  استفاده شده و با بکارگیری مثال شبیه سازی  عملکرد آنها مورد بررسی قرار می‌گیرد. سپس نحوه کاربست آنها در یک مثال کاربردی  مربوط به مجموعه داده‌های اسب دوانی نشان داده می‌شود.

---

دانش آمار، چه در عصر شمارش‌های اولیه و چه در متعالی‌ترین شکلِ کنونی آن همواره در خدمت طبقات اجتماعی مختلف و ازجمله هیئت‌های حاکمه بوده؛ بسته به وُسع خود، و البته وُسع و صداقت کاربرنده، ابعاد زیادی از مجهولات را روشن کرده ‌است. به عنوان‌ مثال، آمارهای مربوط به کووید‎-۱۹‎ (بیماری کروناویروس) در کشورهای مختلف، هر اندازه هم ناقص و محدود و چه‌بسا در مواردی مخدوش، در تعیین آستانۀ بحرانی بین معیشت (ایجاد قرنطینه و محدودیت‌ها) و سلامت (کاهش ابتلا و مرگ‌ومیر) و انتخاب مسیری که در حالت خلاف آن، دشواری‌های بیشتر رخ می‌نموده، هدایت‌گر و همچنین عصای دست پژوهش‌گران، مدیران، و حکومت‌گران بوده ‌است. با این توصیف، از زمان شیوع همه‌گیری کووید‎-19 در ووهانِ چین، تحقیقات متعددی با هدف توصیف و ایجاد پُشت‌بندهای مهار شیوع بیماری انجام شده‌ است. ضمن تأیید نقش علم آمار در تحلیل داده‌های همه‌گیری کووید-19 ‏در ابعاد مختلف‏، اهمیت توجه بیشتر ‏را به مدل‌های احتمالاتی‏، و به‌طور کلی نظریۀ احتمال که توانایی پاسخ‌گویی به مسائل مهم مرتبط با «هندسه»ی کووید-19 و موارد مشابه را دارد‏، برای برنامه‌ریزان و مدرسان آمار و احتمال‏، به ویژه در دورۀ کارشناسی‏، تبیین می‌کنیم. در این راستا، با مروری بر یکی از مفاهیم به‌خوبی تثبیت‌شدۀ همه‌گیری‌شناسی، نظریۀ پرکولاسیون‏، گوشه‌هایی از نحوۀ انتشار کووید-19 را پایۀ این مدل‏، بررسی می‌کنیم.

---

نامساوی‌های اطلاع کاربرد فراوان در نظریه‌ برآورد‌یابی و اتخاذ تصمیم‌های آماری دارند. در این مقاله کاربرد یک نامساوی اطلاع برای اتخاذ تصمیم مینیماکس در چارچوب نظریه بیز بیان می‌شود. بدین صورت که ابتدا یک نامساوی اساسی برای مخاطره بیز تحت تابع زیان مربع خطا معرفی می‌شود و سپس کاربردهایی از آن در تعیین برآوردگرهای مینیماکس مجانبی-موضعی در حالت یک متغیره و چند متغیره بیان می‌شود. در حالتی که مؤلفه‌های پارامتر متعامد باشند، برآوردگرهای مینیماکس مجانبی-موضعی، برای تابعی از بردار میانگین و ماتریس کواریانس در توزیع نرمال چند متغیره به‌دست می‌آید. در پایان کران‌های نامساوی اطلاع تحت یک تابع زیان عمومی محاسبه می‌شود.

---

مشهورترین تکنیک تحلیل داده‌های تابعی رویکرد مؤلفۀ‌های اصلی تابعی است که ابزاری مهم برای کاهش بعد نیز است. رگرسیون بردار پشتیبان شاخه‌ای از یادگیری ماشین و ابزار قدرتمندی برای تحلیل داده است. در این مقاله با استفاده از رگرسیون مؤلفۀ اصلی تابعی براساس تاوان‌های مشتق دوم، ریج و لاسو و با توجه به رگرسیون بردار پشتیبان با چهار هستۀ (خطی، چند جمله‌ای، سیگمویید و شعاعی) در داده‌های طیف سنجی به مدل‌سازی متغیر وابسته روی متغیرهای پیش‌بین پرداخته شده است. بر اساس نتایج بدست آمده طبق معیارهای نیکویی برازش پیشنهادی، مدل رگرسیون بردار پشتبان با هستۀ خطی و خطای بهینه شده ‎ $0.2$‎مناسب‌ترین برازش را به داده‌ها داشته است.

---

توابع مفصل ابزار مفیدی در مدل سازی وابستگی بین متغیرهای تصادفی هستند اما بیشتر توابع مفصل موجود متقارن هستند در حالی‌که در بسیاری از کاربردها‏، توابع مفصل نامتقارن مورد نیاز هستند. یکی از این کاربردها‏، مدل‌سازی قابلیت اعتماد است که در آن، توابع مفصل نامتقارن می‌توانند وابستگی‌های دمی متفاوت را تبیین کنند‏ و مدل بهتری ارئه دهند. بنابراین نظریه ساختن توابع مفصل نامتقارن که می‌تواند دامنه وسیع‌تری از داده‌ها را مدل سازی کند، توسعه یافته است. در این پژوهش ضمن مرور روش‌های ساختن توابع مفصل نامتقارن که می‌توانند وابستگی‌های دمی مختلفی را تأمین نمایند، از این توابع برای برآورد قابلیت اعتماد دوبعدی داده‌های سن و میزان استفاده خودروهای رانا و دنا، استفاده می شود.

---

برای مدل‌بندی داده‌های گسسته فضایی معمولا از مدل‌ آمیخته خطی تعمیم‌یافته فضایی استفاده می‌شود که همبستگی فضایی در این مدل‌ها با استفاده از متغیرهای پنهان گاوسی وارد مدل می‌شوند. در این مقاله برای افزایش دقت برآورد پارمترها و پیش‌گویی‌ها،‌ متغیرهای پنهان با استفاده از یک میدان تصادفی چوله گاوسی مانا مدل‌بندی و برای برآورد پارامترهای مدل یک الگوریتم جدید براساس درست‌نمایی حاشیه‌ای مرکب ارائه می‌شود. کارایی میدان تصادفی به‌کار گرفته شده و الگوریتم پیشنهادی در یک مثال شبیه‌سازی پیاده‌سازی و بررسی می‌شود.

---

از تابع توزیع تجربی به عنوان برآورد تابع توزیع احتمال تجمعی یک متغیر تصادفی استفاده میشود. تابع توزیع تجربی نقشی اساسی در
بسیاری از استنباط های آماری دارد که در برخی موارد کمتر شناخته شده هستند. در این مقاله تابع احتمال تجربی به عنوان مشتق تابع
توزیع تجربی معرفی شده و نشان داده می شود که برآوردگرهای گشتاوری مانند میانگین نمونه، میانه نمونه، واریانس نمون های و ضریب
همبستگی نمون های حاصل جایگزین کردن تابع چگالی متغیر تصادفی با تابع احتمال تجربی آن در تعریف های نظری هستند. علاوه بر این، برای
برآورد پارامترهای جامعه از برآوردگر هسته تابع چگالی احتمال استفاده شده و یک روش جدید برای برآورد پهنای باند در برآوردگر هسته تابع
چگالی احتمال، معرفی شده است.

---

در مدل‌های مخاطره با وجود اطلاع از توزیع آماری متغیرهای تصادفی ‏اندازه‌های خسارت‌، احتمالات ورشکستگی و کران لاندبرگ محاسبه می‌شوند. در این مقاله برای مدل‌های مخاطره جمعی و زمان-گسسته شرکت بیمه با خسارت‌های مستقل و هم‌توزیع و دارای توزیع دم سبک، با استفاده از کران لاندبرگ احتمالات ورشکستگی زمان نامتناهی محاسبه ‏شده و شکل کلی توابع چگالی متغیرهای تصادفی اندازه‌های خسارت‌ بدست آمده‌اند. نشان داده می‌شود که برای برخی از حالت‌های خاص در مدل مخاطره زمان-گسسته توابع چگالی اندازه‌های خسارت دارای توزیع هندسی شیفت داده شده و برای مدل مخاطره جمعی همواره دارای توزیع نمایی هستند. 

ارایه مثال‌های عددی احتمالات ورشکستگی زمان نامتناهی و مقادیر شبیه‌سازی شده این احتمالات و کران لاندبرگ از نتایج پایانی این مقاله می‌باشد. 

---

در رگرسیون خطی معمول، مدل به صورت $Y=Xbeta+varepsilon$ است و برآورد پارامتر $beta$ عبارتست از: $hatbeta=(X'X)^{-1}X'Y$ است. با این حال در هنگام استفاده از این برآوردگر به صورت عملی، ممکن است مشکلات خاصی مانند مشکل انتخاب متغیر، هم خطی، مدل با ابعاد بالا، کاهش بعد، وجود خطای اندازه‌گیری بوجود آید که استفاده از  برآوردگر بالا را مشکل می سازد. در اغلب این مشکلات، مساله اصلی عدم معکوس پذیری ماتریس $X'X$ است. برای رفع آن ها راه حل‌های متعددی ارایه شده است. در این مقاله ضمن مروری بر این مشکلات، مجموعه ای از راه حل های معمول و متداول و همچنین چند روش خاص و پیشرفته (که کمتر مورد اقبال همگان است ولی با این حال توانایی بالقوه ای در رفع هوشمند این مشکلات دارند) برای رفع آن ها را بررسی می کنیم.

---

در این مقاله  بر اساس نمونه‌ای تصادفی از توزیع نرمال با پارامترهای مجهول، کوتاهترین بازه اطمینان برای پارامتر انحراف استاندارد را با استفاده از انحراف استاندارد نمونه بدست می‌آوریم. نشان می‌دهیم این بازه اطمینان را نمی‌توان با گرفتن ریشه دوم  از نقاط انتهایی کوتاهترین بازه اطمینان برای واریانس که بوسیله  تَیت و کلِت  ارائه شده است، بدست آورد. همچنین جدولی برای محاسبه این بازه اطمینان بر‌حسب چند اندازه نمونه‌ و ضریب اطمینان رایج ارائه می‌دهیم. با توجه به ارتباط بازه اطمینان با مسئله آزمون فرض، عملکرد توان چند آزمون ساخته شده براساس بازه‌های اطمینان ذکر شده  مقایسه می‌شود.

---

در این مقاله، مفهوم توزیع گومپرتز تعمیم‌یافته یکه به‌عنوان مدل جدید تغییریافته‌ای از توزیع گومپرتز یکه معرفی می‌شود. این مدل تعمیمی از توزیع گومپرتز یکه است. ما ضمن معرفی توابع توزیع، گشتاور، مولد گشتاور، چندک، خطر و آنتروپی تی سالیس و رنی توزیع پیشنهادی را محاسبه می‌کنیم. برای برآورد و استنباط در مورد پارامترهای مجهول مدل، روش‌های ماکسیمم درستنمایی، برآورد ماکسیمم حاصل‌ضرب فاصله‌ها و نمونه‌گیری خودگردان موردبحث قرارگرفته‌اند و همچنین فاصله اطمینان تقریبی ارائه شده است. سرانجام، یک مطالعه شبیه‌سازی انجام‌شده و مدل به یک مجموعه داده واقعی برازش شده است.

---

تحلیل داده‌های تابعی برای توسعه رویکردهای آماری در داده‌هایی مورد استفاده قرار می‌گیرد که دارای ماهیت تابعی و پیوسته هستند و چون این توابع به فضاهای با بعد بی‌نهایت تعلق دارند، استفاده از روش‌های متداول در آمار کلاسیک برای تحلیل آن‌ها، با چالش روبرو است.

مشهورترین تکنیک تحلیل داده‌های آماری، رویکرد مولفه‌های اصلی تابعی می‌باشد که ابزاری مهم برای کاهش بعد است،

در این مقاله با استفاده از روش

رگرسیون مولفه اصلی تابعی براساس جریمه‌ مشتق دوم، ریج و لاسو

به تحلیل داده‌های تابعی آب و هوای کانادا و داده‌های تابعی طیف‌سنج پرداخته خواهد شد. بدین منظور برای تعیین مقدار بهینه پارامتر جریمه در روش‌های مورد استفاده از اعتبار سنجی متقابل تعمیم یافته‏‏، که معیاری معتبر و کارآمد است‏، استفاده می‌گردد.

---

در این

در این مقاله‎‏‏، تعداد خرابی یک سیستم منسجم‎ ‏تحت فرض این‌که طول عمر مؤلفه‌های سیستم‏، متغیرهای تصادفی گسسته‌ و وابسته‌ی غیرهم‌توزیع می‌باشند‏، مورد مطالعه قرار گرفته است. ابتدا، احتمال این‌که دقیقاً

‎‎‎‎i‎‎‎‏‎

خرابی‏،‎

‎‎i=0, ..., n-k‎‎‏‏،

در یک سیستم

‎‎k

از

‎n‎

تحت شرطی که سیستم در زمان نظارت

‎t

کار می‌کند‏،

محاسبه می‌شود. در ادامه، این نتیجه را به سایر سیستم‌های منسجم تعمیم داده شده است. علاوه بر این، نشان داده شده است که در حالت استقلال و هم‌توزیعی طول‌های عمر مؤلفه‌ها‏، احتمال به‌دست‌آمده با احتمال متناظر در حالت پیوسته به دست آمده‌ی در ادبیات موجود‏، مطابقت دارد. در نهایت با ارائه‌ی مثال‌های کاربردی‏، رفتار این احتمال در حالتی که مولفه‌ها‏ی سیستم دارای طول‌های عمر تبادل‌پذیر و لزوماً غیرهم‌توزیع می‌باشند‏، بررسی شده است

---

بسیاری از روش‌های برآوردیابیِ رگرسیونی در مواجه با داده‌های پرت به شدت تحت تأثیر قرار می‌گیرند و خطاهای زیادی در برآوردهای حاصل از آنها رخ می‏‏‏‏‏دهد. در سال‏های اخیر، برای حل این مشکل روش‏های توانمندی توسعه یافته اند. برآوردگر حداقل واگرایی توان چگالی یک روش برآورد بر مبنای حداقل فاصله بین دو تابع چگالی است که این روش، برآورد توانمندی در مواجه با موقعیت‌هایی که داده‌ها شامل تعدادی داده پرت هستند ارائه می‌دهد. در این پژوهش، روش برآوردگر توانمند حداقل واگرایی توان چگالی را برای برآورد پارامترهای مدل‌ رگرسیون پواسون ارائه می کنیم که می‌تواند برآورد‌گرهای توانمند با کمترین نقصان در کارایی تولید کند. همچنین عملکرد برآوردگرهای پیشنهادی را از طریق ارائه مثال واقعی مورد بررسی قرار خواهیم داد.
 

---

روش یادگیری آمیخته تقویت شده ‎(BML)، روشی فزاینده برای یادگیری مدل‌های آمیخته در مسئله طبقه‌بندی است. در هر مرحله از روش یادگیری آمیخته تقویت شده، مولفه جدیدی با توجه به یک تابع هدف در جهت به حداکثر رساندن تابع هدف به مدل آمیخته اضافه می‌شود. از جمله توابع هدف مورد استفاده در این روش، تابع درستنمایی و به‌طور معادل معیارهای اطلاع هستند. در این روش مولفه جدیدی به مدل آمیخته اضافه می‌شود که باعث بیشترین افزایش تابع درستنمایی شود.

چون تابع درستنمایی و معیارهای اطلاع توانایی تشخیص مدل‌های معادل را ندارد، بنابراین ممکن است مدل‌ آمیخته جدید و مدل آمیخته فعلی معادل باشند و اضافه کردن مولفه جدید به مدل آمیخته فعلی باعث بهبود مدل نشود. در این مقاله روش یادگیری آمیخته تقویت شده با استفاده از آزمون انتخاب مدل وونگ که توانایی تشخیص مدل‌های معادل را دارد، تصحیح شده است. همچنین عملکرد دو روش یادگیری با استفاده از داده‌های شبیه‌سازی و مجموعه داده‌های واردات کالای ایالات متحده توسط گمرک ارزیابی شده است.

---

هدف این پژوهش بررسی تفکر آماری دانشجومعلمان کارشناسی رشته آموزش ریاضی در مبحث سواد نموداری بر اساس چارچوب وایلد و فنکوچ است. بدین منظور پرسشنامه‌ای شامل 9 سؤال سواد نموداری (نمودار جعبه‌ای) طراحی گردید. سؤالات براساس مؤلفه‌های چارچوب وایلد و فنکوچ، طبقه‌بندی شدند. پرسشنامه توسط 50 دانشجومعلم رشته آموزش ریاضی دانشگاه‌های فرهنگیان و تربیت دبیرشهیدرجایی (دختر و پسر) تکمیل‌گردید. پاسخ‌ها براساس چارچوب واتسون که جرح و تعدیل یافته‌ای از مدل سولو است، سطح‌بندی شدند. معناداری تفاوت‏های جنسیتی دانشجومعلمان از نظر آماری تایید نشد. یافته‌ها نشان‌داد که بیشتر پاسخ‌های دانشجومعلمان در تمامی مؤلفه‌های آماری در سطح رابطه‌ای قرار دارد اما نتایج عملکرد متوسط دانشجومعلمان در مؤلفه‌های تفکر آماری را در مبحث سواد نموداری نشان‌داد.