روش های معمول، استنباط آماری مبتی بر نمونه تصادفی است. اما در بسیاری از موارد مکانیسم نمونه گیری به گونه ای است که هر مشاهده با شانسی متناسب با تابعی نامنفی از آن ثبت می شود. چنین نمونه ای را نمونه وزنی گویند. بنابراین لازم است اصطلاحات مناسبی که بستگی به تابع وزن دارد در روش هی معمول استنباطی صورت گیرد. در این مقاله تحت چند وزن خاص چنین اصلاحاتی در روش های برآورد پارامترها در توزیع نرمال ارایه و در پایان توزیع نرمال دوقلو به عنوان یک توزیع نرمال وزنی معرفی شده است.

  در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سری­های زمانی معرفی و اثر آن­ها در تعیین مدل، برآورد پارامترها و باقیمانده­های مدل مورد بررسی قرار گرفته است. در مطالعه­ای شبیه­سازی، مدل (1و1) GARCH را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی خاصی ادغام کرده، سپس به بررسی و مقایسه تاثیر هر نوع نقطه پرت روی این مدل پرداخته شده است. در نهایت باقیمانده­ها با حضور نقطه پرت و سری زمانی که از تفاضل باقیمانده­ها با حضور نقطه پرت و بدون آن­ها به دست می­آید، مورد بررسی قرار گرفته و تاثیرات آن­ها در نمودارها نشان داده شده است.

در این مقاله، یک توزیع ترکیبی طول عمر جدید با توابع نرخ مخاطره صعودی، نزولی، وان شکل و تک مدی وان شکل مطرح می شود. توزیع جدید، سه پارامتری و تعمیمی از توزیع نمایی توانی است. برآورد پارامترها به روش ماکسیمم درستنمایی، گشتاورها، تابع چگالی آمارههای ترتیبی، تابع بقا، تابع نرخ مخاطره، متوسط باقیمانده طول عمر، تابع قابلیت و میانه آن ارائه می شود. سپس در یک مثال کاربردی مزایای این توزیع نشان داده می ­ شود

در این مقاله مقایسه بین دو روش بیزی و کلاسیک در آزمون های فرضیه برای توزیع نمایی همراه با یک پارامتر مزاحم در نظر گرفته شده است. در حالت اول با استفاده از یک توزیع پیشین معین، احتمال پسین به دست آمده و با مقدار احتمال مقایسه می شود. در حالت دوم بزرگترین کران پایین احتمال پسین تحت یک رده معقول از توزیع های پیشین با مقدار احتمال مقایسه می شود. نشان داده شده است که حتی با حضور پارامتر مزاحم در مدل، این دو روش منجر به نتایج متفاوتی در استنباط آماری می شوند.

یکی از موضوع های مورد توجه در بررسی کارایی یک بازار مالی، وجود ویژگی حافظه بلند مدت است. برای یک سری زمانی مالی ممکن است این ویژگی در تلاطم نمود پیدا کند. یکی از روش های شناسایی و مدل بندی حافظه بلند مدت در تلاطم، استفاده از مدل های ناهمگنی شرطی خودهمبسته تعمیم یافته انباشته کسری  است. در این مقاله به شناسایی و مدل بندی حافظه بلند مدت در تلاطم داده های نرخ ارز پرداخته می شود. با توجه به خصوصیات آماری چولگی، دم کلفتی و بیش کشیدگی داده ها، فرض نرمال بودن مانده ها معنی دار نیست و نمی توان از روش های معمول به شناسایی مدل پرداخت. با توجه به ساختار داده ها توزیع وارون گاوسی  یک انتخاب مناسب برای توزیع مانده ها است. بنابراین با این فرض به شناسایی مجدد مدل پرداخته می شود. نتایج نشان می دهند، مدل ناهم واریانس شرطی خودهمبسته تعمیم یافته انباشته کسری با توزیع وارون گاوسی انتخابی مناسب برای داده ها است

از جمله روش‌هایی که در سال‌های اخیر توجه بسیاری از محققان را برای مدل‌سازی داده‌های چندمتغیره آمیخته به خود جلب کرده است، استفاده از تابع مفصل می‌باشد. در این مقاله مدلی رگرسیونی برای پاسخ‌های آمیخته بقا و گسسته بر اساس تابع مفصل ارائه می‌شود که در آن متغیر پیوسته از نوع زمان بوده و امکان وقوع مشاهده سانسور شده در آن وجود دارد. برای انجام این کار فرض شد که توزیع‌های حاشیه‌ای مشخص هستند و متغیری پنهان برای تبدیل حاشیه گسسته به پیوسته مورد استفاده قرار گرفت. سپس با استفاده از تابع مفصل تابع توزیع توام برای دو متغیر تشکیل و در پایان مدل به دست آمده بر روی داده‌های فاصله بین تولدها در شهر اهواز مورد استفاده قرار گرفت.

در این مقاله توزیعی جدید بر مبنای توزیع وایبول ارائه  می‌شود. این توزیع دارای سه پارامتر است که نرخ شکست‌های صعودی، نزولی، وان شکل، تک‌مدی و صعودی نزولی صعودی را شامل می‌شود. سپس خواص  توزیع مورد بررسی قرار می‌گیرد آنگاه با استفاده از یک مجموعه  داده واقعی ویژگی‌های آن با برخی از تعمیم‌های توزیع وایبول مقایسه می‌شود.

در نمونه‌گیری موزون به عنوان تعمیمی از نمونه‌گیری تصادفی هر مشاهده، با احتمالی متناسب با یک تابع نامنفی از آن ثبت می‌شود. در این مقاله مدل رگرسیونی نرمال تحت نمونه‌گیری موزون برای یک وزن کلی پیشنهادی مطالعه می‌گردد. پارامترهای مدل در دو حالت معلوم و نامعلوم بودن پارامتر وزن برآورد می‌شوند و با استفاده از شبیه‌سازی کارایی برآوردها هنگامی که شکل بسته‌ای برای آنها به‌دست نمی‌آ‌ید مطالعه می‌شوند. به‌عنوان یک کاربرد، داده‌های تعداد نسخه پزشکان متخصص طرف قرارداد سازمان تا مین اجتماعی اهواز این مدل  تحلیل می‌شوند.

 توزیع بتا برای مدل‌بندی داده‌هایی که به‌صورت نسبت هستند، توزیع مناسبی است. در موارد زیادی که داده‌های نسبت شامل تعداد زیادی صفر و یک هستند، توزیع‌های بتای آماسیده مناسب هستند. در صورتی که احتمال ثبت چنین مشاهده‌هایی متناسب با یک تابع وزن نامنفی از آن‌ها باشد، آن مشاهده‌ها دارای توزیع موزون بتای آماسیده هستند. تمرکز این مقاله روی توزیع اریب اندازه بتای آماسیده به عنوان یک حالت خاص از توزیع موزون بتای آماسیده با وزن توانی است. خواصی از این توزیع مطالعه و پارامترهای آن به روش‌های ماکسیمم درستنمایی و گشتاوری برآورد و با استفاده از مطالعه شبیه‌سازی دو روش مقایسه می‌شوند. در پایان مدل مفروض به داده‌های واقعی نسبت مرگ و میر برازش داده می‌شوند.

در این مقاله روشی برای استفاده از خروجی‌های کالمن فیلتر برای شناسایی تغییرات تأثیر گذار سری زمانی ارائه شده است. از آن‌جا که الگوریتم کالمن فیلتر برای تحلیل مدل‌های فضای حالت به کار می‌رود که مدل‌های خطی ARMA را پوشش می‌دهد، استفاده از این روش می‌تواند برای شناسایی تغییرات از جمله مقادیر پرت به کار رود. در این مقاله روش پیشنهاد شده برای شناسایی پنج تغییر: نقطه پرت جمع پذیر، تغییر سطح، تغییرات فصلی، تغییر دوره و شیب ناگهانی سری زمانی استفاده شده است. توانایی روش پیشنهادی در یافتن نقاط تأثیر گذار با استفاده شبیه‌سازی نشان داده شد. به عنوان یک مثال واقعی داده‌های ازدواج در کشور انگلیس مورد بررسی قرار گرفت.

در این مقاله یک روش برای برآورد ماتریس کوواریانس مدل ARMA با بهره‌گیری از ماتریس باند پیشنهاد شده است. تابع درستنمایی مدل ARMA با ماتریس کوواریانس قطری به دست آمده و تقریب‌هایی نیز برای معیارهایی مانند کولبک-لیبلر و چرنوف ارائه شده است. بعلاوه دو قاعده برای ممیزی مدل‌های ARMA با استفاده از تقریب‌های به دست آمده پیشنهاد شده است. سپس با استفاده از داده‌های شبیه‌سازی شده و واقعی، توانایی روش پیشنهادی در ممیزی مدل‌های مختلف ARMA نشان داده شده است. کاهش قابل ملاحظه تعداد محاسبات برای سری‌های زمانی بزرگ و نرخ خطای ممیزی پایین از ویژگی‌های قواعد پیشنهاد شده است. همچنین عدم نیاز به فرض نرمال بودن در یک قضیه نشان داده شده است.

‌ این مقاله به بررسی مدل سری زمانی خود بازگشت آمیخته با وزن‌های ثابت در قالب فضای حالت و تعمیم آن به مدل‌های خودبازگشت-میانگین متحرک آمیخته می‌پردازد. توابع چگالی پیش‌بینی، پالایش و هموارسازی با استفاده از یک روش مونت کارلوی دنباله‌ای تقریب زده شده‌اند. همچنین الگوریتم ‎EM‎ برای برآورد پارامترهای مدل در فضای حالت ارائه شده است. نتایج نشان می‌دهد در قالب فضای حالت، ابعاد بردار پارامترهای مدل کاهش می‌یابد. علاوه بر این رفتار الگوریتم‌های پالایش و هموارسازی با استفاده از شبیه‌سازی مونت کارلو در مدل‌های ایستا مورد بررسی قرار گرفته است. نتایج این مطالعه نشان می‌دهد الگوریتم پالایش در مدت زمان کوتاهی به یک حالت پایا نزدیک می‌شود. همچنین پس از گذشت زمان کوتاهی میانگین توزیع‌های پالایش و هموارسازی به مقادیر واقعی بردار حالت نزدیک می‌شوند. 

عدم قطعیت یکی از ویژ‌گی‌های ذاتی در بسیاری از داده‌های زیستی، زمین‌آماری و جغرافیایی، به عنوان داده‌های فضایی است، که در اغلب اوقات ناشی از وجود خطا در اندازه‌گیری‌ کمیت‌های مورد مطالعه است. این در حالی است که در نظر نگرفتن این موضوع می‌تواند اعتبار نتایج حاصل از تحلیل داده‌ها را زیر سؤال برده و براوردهای حاصل را دچار تورم واریانس و اریبی قابل توجهی نماید. در این مقاله، به تحلیل مدل فضایی گاوسی با خطای اندازه‌گیری در پیش‌گوها در قالب یک چارچوب بیزی پرداخته خواهد شد. با توجه به پیچیدگی شکل توزیع پسین، نمونه‌گیری از این توزیع به کمک الگوریتم‌های مونت کارلوی زنجیر مارکفی و روش‌ داده‌افزایی انجام خواهد شد. سرانجام عملکرد مدل پیشنهادی را در مقایسه با نتایج تحلیل مدل ناپخته به کمک شبیه‌سازی ارزیابی می‌شود.

در سال‌های اخیر از رگرسیون پواسن برای مدل‌بندی متغیرهای پاسخ شمارشی استفاده شده است. زمانی که مجموعه داده‌های شمارشی دارای فراوانی بیش از حد در عدد صفر باشند، استفاده از رگرسیون پواسن مناسب نیست. در این مقاله، از دو مدل رگرسیون پواسن با صفر آماسیده و رگرسیون پواسن دو متغیره با صفر آماسیده با اثر تصادفی برای مدل‌بندی پاسخ شمارشی با فراوانی بیش از حد در عدد صفر استفاده شده است. معمولا توزیع اثر تصادفی را نرمال فرض می‌کنند، اما در این مقاله از توزیع چوله نرمال که از انعطاف‌پذیری بیشتری نسبت به توزیع نرمال برخوردار است به‌عنوان توزیع اثر تصادفی استفاده کرده‌ایم. در پایان مدل بدست آمده برای تحلیل داده‌های مربوط به تعداد واحدهای مردودی و نیم‌سال‌های مشروطی دانشجویان دانشگاه شهید چمران اهواز مورد استفاده قرار گرفته است و از روش شبیه‌سازی برای اعتبار‌سنجی مدل بدست آمده استفاده شده است.