الگوی مارکوف پنهان در مسائل بیوانفورماتیک کاربرد فراوانی دارد. برای مثال این الگو در هم ردیفی دنباله ­ ها، تفسیر خانواده ­ های پروتئین و پیش ­ بینی ژن بکار می ­ رود. پارامترهای این الگو از طریق الگوریتم بام-ولش تعلیمی که یک الگوریتم EM است برآورد می شود. بکارگیری کارآمدترین الگوریتمها برای دنباله های طویل نیازمند حجم وسیعی از حافظه می ­ باشد. در این مقاله روش ­ های مختلفی از جمله استراتژی پیشرو و استراتژی پسرو را که به منظور کاهش حافظه این الگوریتم ارائه شده ­ اند معرفی می ­ کنیم. در ادامه الگوریتمی براساس مشاهدات از راست به چپ و از چپ به راست اعضای دنباله ارائه می شود که دارای حافظه خطی است. کارایی این الگوریتم بر روی داده ­ های شبیه ­ سازی شده از پروتئین ­ ها بررسی می ­شود.

یک نامساوی مهم برای توزیع ماکسیمم متغیرهای تصادفی مستقل نامساوی لوی است. در این مقاله یک نسخه از این نامساوی برای متغیرهای به طور ضعیف وابسته منفی ارایه می گردد. قانون قوی برای متغیرهای وابسته توسط مولفین مختلفی مورد بررسی قرار گرفته اند. در این تحقیق، همچنین، همگرایی کامل وزنی برای آرایه ای از متغیرهای تصادفی سطری وابسته منفی کراندار احتمالی بدست می آید. همگرایی کامل و قانون قوی برای چنین خانواده ای از متغیرهای تصادفی از نتایج حاصله می باشند

تحلیل آماری فرایند حرکت براونی کسری یکی از موضوعات مهم در مبحث فرایندهای تصادفی است. مهمترین مسئله در بررسی این فرایند، استنباط آماری در مورد پارامتر هرست حرکت براونی کسری است. یکی از روش‌های برآورد پارامتر مورد اشاره استفاده از روش برآورد ماکسیمم درستنمایی است. به‌دلیل پیچیدگی‌های محاسباتی مرتبط با این روش در ارائه جواب بسته، سعی می‌شود پارامتر هرست به کمک روش‌های عددی برآورد شود. نتایج نظری مقاله، در قالب مطالعه شبیه‌سازی برای حالات متفاوت نیز مورد بررسی قرار می‌گیرد.

 عدد پایه تکثیر، متوسط تعداد افرادی است که توسط یک فرد مبتلا به یک بیماری واگیردار، به آن بیماری مبتلا می‌شوند. از لحاظ علم پزشکی، برآورد عدد پایه تکثیر از دیرباز دارای اهمیت ویژه‌ای بوده است. در این مقاله با استفاده از فرایند شاخه‌ای روشی جدید برای برآورد آن معرفی می‌شود و در انتها، این روش برای داده‌های ارائه شده توسط مرکز ملی اطلاعات بیوتکنولوژی آمریکا به کار گرفته می‌شود.

فرایند‌های تصادفی در آمار و احتمال از اهمیت زیادی برخوردار هستند، به طوری که پیدا کردن کران‌های بالایی و پائینی برای انتگرال‌های میانگین مربعِ تصادفی به یک مسئله اساسی منجر ‌شده است. در این مقاله نشان داده می‌شود که برای فرایندهای تصادفی میانگین مربع مشتق‌پذیر، شرط تحدب در نتایج مشهور گذشته را می توان با شرایط ضعیف‌تر جایگزین کرد.

در این مقاله، ابتدا کران‌های جدیدی برای انتگرال میانگین مربعِ تصادفی کسری چپ و راست بر پایه فرآیندهای تصادفی محدب ارائه می‌شود. سپس محدوده‌ای پیشنهاد می‌شود که شامل ترکیبی خطی از انتگرال میانگین مربعِ تصادفی کسری چپ و راست است. سرانجام، نتایج قبلی ارائه شده در این موضوع بهبود داده می‌شود.