روش برآورد دنباله‌ای زمانی مورد استفاده قرار می‌گیرد که حجم نمونه استفاده شده مقداری ثابت نباشد و یا مساله با روش اندازه‌ی نمونه ثابت قابل حل نباشد. برآورد دنباله‌ای میانگین توزیع نمایی (یک پارامتری و دو پارامتری) یکی از مسائل مهمی است که اهمیت کاربردی آن توجه نویسندگان زیادی را به خود جلب کرده است. اکثر پژوهش‌ها بر روی توزیع نمایی (یک یا دو پارامتری) صورت گرفته است. در این مقاله روش نمونه‌گیری دومرحله‌ای برای برآورد ترکیب خطی از پارامترهای مکان و مقیاس در توزیع نمایی دو پارامتری (نمایی منفی) که برای اولین بار توسط موخوپادهای و زاکس ‎Zacks and Mukhopadhyay‎ در سال ‎2007‎ پیشنهاد شده است، مورد بررسی قرار می‌گیرد. در نهایت برای نشان دادن درستی آنچه به صورت تئوری اثبات شده است، شبیه سازی‌هایی آورده می‌شود

در این مقاله با پیشنهاد یک تابع سود و به ‌دست آوردن برآورد بیزی، حجم نمونۀ مطلوب را بر اساس این تابع سود به ‌دست می‌آوریم. این تابع سود به‌صورت مخصوص برای به ‌دست آوردن برآورد بیز وقتی توزیع پسینی، گاما باشد طراحی شده است. با استفاده از این تابع سود، حجم نمونۀ مطلوب را برای توزیع‌های نرمال با میانگین معلوم، نمایی، پارتو و به‌قسمی می‌یابیم که هزینۀ نمونه‌گیری کمینه شود. در این فرایند برای کمینه کردن هزینه از تابع هزینۀ لیندلی استفاده می‌کنیم. در این‌جا به‌دلیل دشوار بودن محاسبات، اندازۀ نمونه را نمی‌توان به‌روش آنالیزی به ‌دست آورد به همین دلیل به‌کمک روش‌های عددی،پوآسون حجم نمونۀ مطلوب را به ‌دست می‌آوریم.

سطح زیر منحنی راک یک معیار مرسوم برای ارزیابی عملکرد طبقه‌بندی بیومارکر‌ها است. در عمل یک بیومارکر قدرت طبقه‌بندی محدودی دارد لذا برای بهبود عملکرد طبقه‌بندی، علاقه‌مند به ترکیب مقادیر مربوط به بیومارکر‌ها به صورت خطی و غیرخطی هستیم در این مطالعه ضمن معرفی انواع توابع زیان، به معرفی روش Ramp AUC و برخی ویژگی‌های آن به عنوان یک مدل آماری مبتنی بر سطح زیر منحنی راک پرداخته می‌شود. این مدل جهت ترکیب بیومارکرها به شکل خطی یا غیرخطی باهدف بهبود عملکرد طبقه‌بندی و مینیمم کردن تابع زیان تجربی بر اساس تابع زیان Ramp AUC ارائه‌شده است. به‌عنوان‌مثال کاربردی، در این مطالعه از داده‌های 378 بیمار دیابتی مراجعه‌کننده به مراکز دیابتی اردبیل و تبریز در سال 1394-1393 استفاده‌شده است. جهت طبقه‌بندی بیماران دیابتی از لحاظ وضعیت محدودیت عملکردی بر مبنای بیومارکر‌های جمعیت شناختی و بالینی از روش RAUC  استفاده گردید. اعتبارسنجی مدل به روش آموزش و آزمایش انجام شد. بر اساس نتایج گروه آزمایش، مقادیر سطح زیر منحنی به‌دست‌آمده برای مدل RAUC با ترکیبات خطی از بیومارکرها در قالب هسته خطی برابر 0.81  و با هسته تابع پایه شعاعی برابر 1.00 می‌باشد. نتایج بیانگر وجود یک الگوی غیرخطی قوی در داده‌ها می‌باشد به طوری که ترکیبات غیرخطی از بیومارکرها عملکرد طبقه‌بندی بالاتری نسبت به ترکیبات خطی را دارا می‌باشند.

‏هر‎گاه اطلاعاتی تقریبی و اولیه راجع به پارامتر نامعلوم یک توزیع در دسترس باشد، می‌توان از روش برآورد انقباضی برای برآورد آن استفاده نمود. در این مقاله ابتدا برآورد  E‎ -بیز پارامتر توزیع رایلی معکوس تحت تابع زیان آنتروپی عمومی به دست آورده شده و سپس به کمک مقدار حدسی پارامتر توزیع رایلی معکوس، برآورد انقباضی آن ارائه شده است. همچنین با استفاده از شبیه‌سازی مونت‌کارلو و یک مجموعه داده‌ واقعی، برآورد انقباضی پیشنهادی با برآوردهای نااریب با کمترین واریانس و ‎E‎ -بیز ‏بر اساس معیار کارایی نسبی، مقایسه می‌شود.