---

در این مقاله ضمن معرفی روش های جدیدی که در زمینه برآوردیابی و انتخاب متغیر در مدل رگرسیونی مطرح شده اند ، بر اساس یک بررسی مبتنی بر شبیه سازی از مدل های مختلف ، به بررسی عملکرد این روش ها و همچنین مقایسه آن ها با روش های معمول مثل روش انتخاب پیشرو و روش رگرسیون مرزی خواهیم پرداخت .

---

در بسیاری از مسائل آماری نمی توان با یک اندازه نمونه ثابت به استنباط در مورد پارامتر مورد نظر پرداخت ، اما استفاده از تحلیل دنباله ای موتواند در زمینه راه گشا باشد. در دهئ اخیر روش های دنباله ای مورد توجه بسیار قرار گرفته اند و کاربرد آنها در زمینه های کشاورزی ، آزمایش های بالینی ، داده کاوی ، دارایی ، شبیه سازی کامپیوتری و مقایسه های چندگانه بیان شده است . طرح های دنباله ای روش های ارزشمندی را برای اجرای آزمایشات آماری و سهولت تحلیل داده های واقعی در کاربردهای آماری بیان می کنند. در این مقاله ابتدا مناسب نبودن روش با اندازه نمونه ثابت در حل مسائلی همچون تعیین فاصله اطمینان با طول ثابت و مخاطره کراندار شده بیان ، و در ادامه دنباله ای را برای حل چنین مسائلی در توزیع نرمال ، نمایی منفی ،و نمایی شرح م دهیم.

---

---

---

در این مقاله توزیع دقیق متغیر توقف، گشتاور و ریسک برآوردگر دنباله ای نرخ شکست توزیع نمایی تحت کرانداری محدب به دست می آید

---

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

---

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.

---

برای محاسبه برآوردهای نقطه ای از جمله برآورد گشتاوری و درستنمایی ماکزیمم و برآوردهای فاصله ای از جمله فاصله‎ ‎‏های اطمینان کلاسیک، کوتاهترین فاصله اطمینان، فاصله اطمینان نااریب و فاصله اطمینان بیزی با بالاترین چگالی پسین ‎HPD ممکن است به معادلاتی برخورد کنیم که باید از روش های عددی حل شوند. در این مقاله روش های عددی ‏برای حل این گونه معادلات در قالب نرم افزار آماری ‎S-PLUS‎ مورد مطالعه قرار می گیرد. مثال های متنوعی برای تشریح روش های بیان شده ارائه می شود.

---

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.

---

فرض متداول در بسیاری از تحلیل داده‌های آماری نرمال بودن توزیع مشاهدات است. امّا این فرض غالباً در تحلیل داده‌های واقعی نقض می‌شود. بدین منظور توزیع‌های انعطاف پذیری به عنوان جایگزین توزیع نرمال پیشنهاد شده است. در این رابطه می‌توان به توزیع اسلش و چوله-اسلش اشاره کرد که در دهه‌ی اخیر از سوی محققان زیادی مورد توجه قرار گرفته اند. توزیع اسلش به عنوان یک توزیع دم-سنگین و متقارن در مطالعات استوار شناخته شده است. امّا با توجه به اینکه در مثالهای تجربی، مواقع زیادی وجود دارد که توزیع های متقارن برای برازش داده‌ها مناسب نمی‌باشد مطالعه‌ی توزیع ها در حالت چوله نیز از اهمیت ویژه‌ای برخوردار است، از این رو معرفی تعمیم‌های چوله‌ای از توزیع اسلش مورد توجه محققان قرار گرفته است. کاربردهایی از این توزیع به طور معمول در سیستم‌های چند مؤلفه‌ای پیچیده ای مانند سیستم‌های زیست محیطی، اقتصاد، جامعه شناسی، امور مالی و ... یافت می‌شود. در این مقاله ضمن بررسی توزیع چوله-اسلش و ویژگی‌های آن با استفاده از مجموعه داده‌های واقعی به بررسی اهمیت کاربرد این توزیع در مدل‌های رگرسیونی می‌پردازیم.

---

رده‌بندی داده‌های دقیق تا کنون با روش‌های مختلف و در ابعاد وسیعی مورد بررسی و تحلیل قرار گرفته است، اما داده‌هایی که برای رده‌بندی مورد استفاده قرار می‌گیرند همیشه مقدار مشخص و دقیقی ندارند. از آن‌جا که نوع مقیاس داده‌ها متفاوت است، مقدار داده ممکن است در یک بازه قرار گیرد که در این صورت‏، مسئلۀ رده‌بندی داده‌های نادقیق مطرح می‌شود. در سال‌های اخیر با فرض نرمال بودن توزیع حاکم بر داده‌های نادقیق، برآوردهای مختلفی برای میانگین و واریانس این توزیع ارائه‌شده است. در این مقاله با فرض این‌که توزیع حاکم بر داده‌های نادقیق توزیع نرمال دو‌متغیره باشد، با روش ماکسیمم درست‌نمایی بر روی مقادیر دو سر بازه داده‌های نادقیق، میانگین و واریانس این توزیع را برآورد کرده‌ایم. سپس با استفاده از رده‌بندی سادۀ بیزی، یک مدل آمیختۀ بیزی برای رده‌بندی داده‌های دقیق و نادقیق ارائه ‏کرده‌ایم. همچنین دقت و کارایی مدل ارائه‌شده بررسی شده است.

---

در این مقاله روش رگرسیون ستیغی فازی موزون weighted‎ جدیدی برای مجموعه‌ای از داده‌های ورودی دقیق و خروجی فازی مثلثی پیشنهاد شده است. برای این منظور، برآوردگر ستیغی پارامترهای فازی مدل رگرسیونی به دست آمده و خطای پیشگوی ‎predicted error‎ آن با استفاده از نرم فازی موزون به ازای ضرایب ستیغی دقیق، متفاوت ارزیابی شده است. برای ارزیابی مدل رگرسیونی پیشنهادی، ضریب تعیین تعمیم یافته را معرفی می‌کنیم. سپس با ارائۀ مثال‌های عددی به مقایسۀ مدل رگرسیون فازی معمولی و رگرسیون ستیغی فازی به‌کمک مقدار میانگین توان دوم خطاهای پیشگویی و ضریب تعیین فازی می‌پردازیم. در صورت وجود هم‌خطی بین متغیرهای پیش‌بین، نتایج به‌دست‌آمده از مدل رگرسیون ستیغی فازی بهتر از نتایج رگرسیون فازی معمولی خواهد بود.

---

در این مقاله برآورد ‎ E-‎بیزی پارامترهای توزیع نمایی دوپارامتری تحت تابع زیان درجه دوم به دست می‌آید. سپس با استفاده از شبیه‌سازی مونته‌کارلو برآورد ‎ E-‎بیزی پارامترها با برآوردهای بیزی مقایسه می‌شوند.  

---

در این مقاله برخی ویژگی‌های خانوادۀ لوژستیک‎X-‎ و عضوی از این خانواده، توزیع لوژستیک-نرمال، در جزئیات مورد مطالعه قرار گرفته است. میانگین انحرافات، تابع خطر و مد برای توزیع لوژستیک-نرمال به‌دست‌آمده است. همچنین در این مقاله از روش درست‌نمایی ماکسیمم برای برآورد پارامترها و از یک مجموعه‌داده برای نشان دادن برنامه‌های کاربردی، توزیع لوژستیک-نرمال استفاده شده است. 

---

توزیع لامبدای تعمیم‌یافته‎{ generalized lambda distribution}(GLD)‎، تعمیمی از توزیع تک‌پارامتری توکی است که انعطاف‌پذیری بسیار زیادی در مدل‌بندی اطلاعات و داده‌های آماری دارد. در این مقاله، نخست دو شکل پارامتری متفاوت از توزیع ‎GLD‎ را ارائه و ویژگی‌های این توزیع را بررسی خواهیم کرد. سپس چهار روش گشتاوری، صدکی، starship‎ و ماکسیمم درست‌نمایی را برای برآورد پارامترهای توزیع ‎GLD‎ ارائه می‌کنیم. در انتها به‌کمک آزمون کولموگروف-اسمیرنوف به مقایسۀ دو شکل پارامتری توزیع ‎GLD‎ و چهار روش برآورد پارامترهای این توزیع می‌پردازیم و این توزیع را به داده‌های بورس اوراق بهادار تهران برازش می‌دهیم.

---

در این مقاله، یک توزیع جدید طول عمر سه‌پارامتری بر اساس توزیع گومپرتز به‌نام مارشال-الکین گومپرتز که تعمیمی از توزیع گومپرتز و دارای نرخ شکست‌های نزولی، صعودی و وانی‌شکل است، معرفی شده و تابع چگالی احتمال، تابع توزیع تجمعی، تابع خطر و برخی از خصوصیات این توزیع جدید مانند گشتاورهای مرکزی، گشتاورهای آماره‌های مرتب، آنتروپی‌های رنی و شانون و تابع چندک به ‌دست می‌آید. همچنین پارامترهای آن به‌روش ماکسیمم درست‌نمایی برآورد شده، به‌کمک یک مجموعه‌دادۀ واقعی، این توزیع جدید با برخی از توزیع‌های طول عمر بر اساس توزیع گومپرتز مقایسه می‌شود. 

---

در این مقاله خانوادۀ بتا - ‎X‎ به‌صورت کلّی‎ و عضوی از این خانواده، توزیع بتا - نرمال، در جزئیات مورد مطالعه قرار گرفته اس‎‏ت. از یک مجموعه‌داده واقعی برای نشان دادن کاربرد توزیع بتا - نرمال و همچنین مقایسۀ این توزیع با توزیع‏‌های گاما - نرمال و بیرن بام سندرس، استفاده شده است.

---

در این مقاله، برای میانگین جامعه متناهی در روش نمونه‌گیری تصادفی ساده بدون جایگذاری با توجه به اطلاعات کمکی، یک برآوردگر جدید از نوع نمایی ارائه می‌شود. سپس این برآوردگر جدید با چند برآوردگر دیگر میانگین جامعه متناهی به وسیله دو مجموعه‌داده‌های واقعی و با استفاده از میانگین توان دوم خطای آنها مقایسه می‌شود. 

---

 در این مقاله پس از معرفی خانوادۀ نمایی و تاریخچه‌ای از کارهای انجام شده توسط محققان در شاخه‌های مختلف آمار، به شرح کاربردهایی از این خانواده در استنباط آماری به‌ویژه در مسئله برآورد، آزمون‌های فرضیه آماری و مفاهیم نظریه اطلاع آماری پرداخته می‌‌شود.