---

در تجزیه و تحلیل متغیرهای برنولی، بررسی وابستگی بین آن‌ها از اهمیت زیادی برخوردار است. در این مقاله با اعمال وابستگی مرتبه اول بین متغیرهای برنولی، توزیع سری لگاریتمی مارکف معرفی می‌شود. برای برآورد پارامترهای این توزیع از روش‌های ماکسیمم درستنمایی، گشتاوری، بیزی و همچنین روش جدیدی موسوم به روش بیزی مورد انتظار (E- بیزی) استفاده می‌شود. در ادامه با استفاده از یک مطالعه شبیه‌سازی نشان داده‌شده که برآوردگر بیزی مورد انتظار در مقایسه با برآوردگرهای دیگر بهتر عمل می‌کند.

---

در مدل‌های آمیخته خطی تعمیم‌یافته فضایی، همبستگی فضایی با اضافه کردن متغیرهای پنهان به مدل در نظر گرفته می‌شود. در این مدل‌ها چون متغیر پاسخ فضایی غیر گاوسی است و به دلیل وجود متغیرهای پنهان تابع درستنمایی معمولا شکل بسته‌ای ندارد و لذا رهیافت ماکسیمم درستنمایی برای برآورد پارامترها با چالش مواجه است. هدف اصلی این مقاله معرفی دو الگوریتم جدید برای به دست آوردن برآوردهای ماکسیمم درستنمایی پارامترها و مقایسه با الگوریتم‌های موجود از نظر سرعت و دقت است. الگوریتم‌های معرفی شده برروی یک مجموعه داده شبیه‌سازی شده به‌کار گرفته و عملکرد آن‌هامقایسه می‌شود.

---

رخداد داده­های طول عمر مساله­ای است که معمولا در تحقیق­های گوناگون شامل آمارگیری­ها، آزمایش­های کلینیکی و مطالعات اپیدمیولوژی روی می­دهد. اخیرا تحقیق­های نظری وسیعی در حوزه­ی تحلیل داده­های طول عمر انجام شده است. با این حال، از آن­جایی که معمولا اطلاعات کمی بر اساس داده­ها برای برآورد صحیح پارامترهای مدل­ موجود است؛ استنباط­ها ممکن نسبت به فرض­های غیر قابل آزمون حساس باشند که نیاز به انجام یک تحلیل حساسیت را گوشزد می­نماید.  در این مقاله، ما نحوه ارزیابی­کردن اثر پریشیدگی پاسخ­های رگرسیونی لگ – بتا وایبل را بیان می­کنیم. همچنین کاربرد و تفسیر روش­های تحلیل تاثیر با استفاده از  تحلیل داده های سانسور شده، مرور و تعمیم داده می شود. یک شیوه درستنمایی – مبنا که منجر به برآورده­های ماکسیمم درستنمایی برای پارامترهای مدل می­گردد، مورد استفاده قرار می گیرد. به منظور ارزیابی عملکرد شاخص­های معرفی شده در کشف حساسیت پارامترهای کلیدی مدل، چندین مطالعه شبیه سازی انجام گرفته است. ما  به وسیله تحلیل کردن  داده­های  سرطان، روش های بیان شده را تشریح می­کنیم.

---

در این مقاله، تعمیم جدیدی از توزیع گامبل ‏تبدیل شده به عنوان توزیع گامبل تبدیل شده‏ ‎‎ی مکعبی بر اساس طرح تبدیل شده ی رتبه مکعبی معرفی شده است. نشان داده می شود که برای برخی از پارامترها، تابع چگالی پیشنهادی مسوکورتیک و برای برخی دیگر از پارامترها تابع چگالی شبیه تابع پلاتیکوریک است. ویژگی های آماری این توزیع، شامل تابع بقا، تابع خطر، گشتاورها و تابع مولد گشتاور مورد مطالعه قرار گرفته شده است. پارامترهای توزیع گامبل تبدیل شده/ی مکعبی با روش ماکسیمم درستنمایی برآورد شده اند. ‏همچنین دو مثال عددی کاربرد توزیع گامبل تبدیل شده ی مکعبی را نشان داده و با توزیع گامبل و توزیع گامبل تبدیل شده مقایسه می شود. در پایان، نشان داده می شود که برای داده های ‏استفاده شده، توزیع گامبل تبدیل شده ی مکعبی، توزیع بهتری نسبت به توزیع های گامبل و گامبل تبدیل شده است.

---

در بعضی از پدیده های تجربی، پژوهشگران با داده هایی مواجه هستند که ذاتا ماهیت اقلیدسی ندارند. داده های دایره ای که برای اندازه گیری زاویه و یا جهت به کار می روند، از این نوع هستند. در بررسی های آماری ممکن است به جای نمونه های تصادفی با نمونه های وزنی مواجه شویم که در آنها مشاهدات متناظر با تابعی تحقق مییابند. در این مقاله به توزیع های وزنی در داده های دایره ای پرداخته می شود. با توجه به اینکه توزیع ون میزس کاربرد بسیار وسیعی در مدل بندی داده های دایره ای دارد، برآورد ماکسیمم درستنمایی پارامترهای توزیع دایره ای ون میزس وزنی مورد بررسی قرار می گیرد. از آنجا که ممکن است براوردگرها شناسا پذیر نباشند، به کمک توزیع پیشین مناسب ممکن است برآوردهایی منحصر به فرد به دست آورد. در یک کار شبیه سازی وزن های مختلف در توزیع دایره ای ون میزس مقایسه می شوند