مسئله برآورد نقطه‌ای ضریب تعیین در توزیع نرمال p متغییره مورد توجه افراد زیادی قرار گرفته است. این معیار بدلیل کاربرد فراوان، دارای اهمیت زیادی است، در این مقاله با در نظر گرفتن کلاس برآوردگرهای خطی ارائه شده توسط مرشاند (2001)، دو برآوردگر جدید معرفی می شوند که دارای مخاطره کمتری نسبت به دو برآوردگر معمول یعنی ضریب تعیین نمونه‌ای و تعدیل شده آن می باشند. همه برآوردگرهای ارائه شده اریب هستند، بنابراین با معرفی برآوردگر جک نایف و مقایسه مخاطره این دو برآوردگر به وسیله شبیه سازی نشان داده می‌شود برآوردگر جک نایف برآوردگر بهتری نسبت به برآوردگرهای دیگر می باشد.

اغلب در آزمون فرض از p_مقدار برای تصمیم گیری استفاده می شود. آیا p_مقدار بهترین معیار برای رد یا تایید فرضیه صفر است؟ آیا می توان معیاری بهتر از آن در اختیار داشت؟ در این مقاله مساله آزمون فرضیه نه به عنوان یک تصمیم بلکه به عنوان یک مسا له برآوردیابی برای احتمال رخ دادن مجموعه مشخص شده با Θ_0 در نظر گرفته می شود و از p_مقدار به عنوان برآوردگری برای احتمال رخ دادن Θ_0 استفاده خواهد شد. از طرفی در نظر گرفتن اعداد حقیقی به عنوان فضای پارامتری همواره مورد تا یید محققان بوده است. در حالی که در بسیاری از کاربردها فضای پارامتری محدود شده است. برای حالتی که فضای پارامتری کراندار باشد معیاری به نام p_مقدار اصلاح شده در توزیع نرمال برای آزمون های یک و دو طرفه ارائه خواهد شد که نسبت به p_مقدار معمولی عملکرد بهتری دارد.

در این مقاله برآوردگرهای (شبه) درستنمایی و توزیع حدی آماره آزمون نمره مربوط به چند آزمون فرض مختلف از جمله آزمون داشتن ریشه واحد برای مدل رگرسیونی خطی با مانده های مانا و نامانا به دست آورده می شوند . سپس با روش مونت کارلو نشان داده می شود که برآوردگرهای (شبه) درستنمایی به دست آمده، برآوردگرهای مناسبی هستند و چندک های توزیع حدی آماره های آزمون داشتن ریشه واحد محاسبه و در جداولی ارائه می شوند

از ضریب تغییرات به عنوان شاخصی برای سازگاری یا یکنواختی مجموعه ای از مشاهدات از چند جامعه با واحدهای اندازه گیری مختلف استفاده می شود. در این مقاله روشی جدید بر پایه روش خودگردانی پارامتری برای آزمون برابری ضرایب تغییرات در چند جامعه نرمال ارائه می شود. از آن جهت که در هر مساله آزمون فرضیه آماری، ارائه روشی که بتواند خطای نوع اول را به خوبی کنترل کند اهمیت دارد؛ نخست با استفاده از شبیه سازی عملکرد روش پیشنهادی در کنترل خطای نوع اول بررسی می شود. سپس به مقایسه توان آزمون پیشنهادی با روش هایی که اخیرا ارائه شده اند؛ پرداخته می شود

شاخص‌های قابلیت فرآیند به عنوان ابزاری آماری به منظور ارزیابی صحت، دقت و کارایی یک فرآیند، در صنعت کاربرد گسترده‌ای دارند. در این مقاله بازه‌های اطمینان جدیدی برای نسبت و تفاضل دو شاخص C_pmk براساس روش‌های خودگردانی پارامتری و مجانبی ارائه می‌شود. برای ارزیابی این روش‌ها، با استفاده از شبیه‌سازی، به مقایسه احتمال پوشش و طول بازه‌های اطمینان پیشنهادی با روش بازه اطمینان تعمیم‌یافته پرداخته می‌شود. شبیه‌سازی‌ها نشان‌دهنده مناسب بودن روش‌های پیشنهادی است.

در این مقاله با استفاده از خانواده توزیع‌های مارشال-اولکین-ناداراجه تعمیم یافته وایبل، توزیع‌های نمایی، وایبل اصلاح شده و گمپرتز را بدست آورده تابع بقا، تابع چگالی و تابع مخاطره رآن‌ها تعیین شده است. سپس الگویی برای شبیه‌سازی از توزیع‌ها ارائه گردیده است. برای حالت‌ نمایی نیز تحت تابع زیان‌های توان دوم خطا، آنتروپی، توان دوم خطای  لگاریتمی و لاینکس اصلاح شده پارامترها به روش بیزی برآورد شده‌اند. در انتها توزیع‌های ارائه شده به داده‌های واقعی برازانده شده است.