---

---

---

 در این مقاله برآوردهای ماکسیمم درستنمایی، نااریب با کمترین واریانس به طور یکنواخت، صدکی، بهترین برآورد صدکی تک-مشاهده‌ای در خانواده برآوردهای صدکی تک-مشاهده‌ای و بهترین برآورد صدکی دو-مشاهده‌ای در خانواده برآوردهای صدکی دو-مشاهده‌ای مبتنی بر آماره‌های ترتیبی برای تابع چگالی احتمال و تابع توزیع تجمعی توزیع بتا وایبول هندسی، خصوصا با تابع نرخ خطر گودالی و تک‌مدی شکل که برای مدل‌بندی داده‌های مربوط به قابلیت اعتماد و طول عمر مفید است در دو بخش به دست آورده شده و با استفاده از روش شبیه‌سازی مونت‌کارلو و محاسبه میانگین توان دوم خطای برآوردگرها مقایسه شده و در هر بخش برآورد مطلوب تعیین می‌شود.

---

 در این مقاله ضمن ارائه روش تولید آماره‌های ترتیبی تعمیم‌یافته از توزیع گومپرتز، برآوردهای بیزی و ماکسیمم درستنمایی پارامترها و تابع‌های قابلیت اعتماد و خطر آن در طرح‌های سانسور شده فزآینده نوع دوم و مقادیر رکوردها بر اساس آماره‌های ترتیبی به‌دست آورده شده و با استفاده از شبیه‌سازی مونت‌کارلو و دو مجموعه داده واقعی مقایسه می‌شوند. همچنین با مقایسه برآوردهای بیزی و ماکسیمم درستنمایی توزیع گومپرتز با برآوردهای مشابه در توزیع‌های وایبول و لوماکس نشان داده می‌شود که برآوردهای توزیع گومپرتز بهترند.

---

 در این مقاله به کمک توزیع‌های G-توانی بسط‌‌‌هایی کلی برای تابع چگالی احتمال و تابع توزیع تجمعی، گشتاورها و آنتروپی‌های رنی و شانون و آماره‌های مرتب این خانواده توزیع‌ها به دست آورده می‌شود. همچنین از روش ماکسیمم درستنمایی برای برآورد پارامترهای آن استفاده کرده و به کمک یک مجموعه داده واقعی نشان داده می‌شود که خانواده توزیع‌های ریستیک-بالاکریشنان-G مدلی مناسب برای توزیع طول عمر است.

---

در این مقاله، وقتی که X و Y متغیرهای تصادفی مستقل و دارای توزیع رایلی با پارامترهای متفاوت هستند، برآوردهای E-بیز و بیز سلسله‌مراتبی پارامتر تنش-مقاومت یک سیستم، تحت تابع زیان لاینکس به دست آورده می‌شود. سپس با استفاده از روش شبیه‌سازی مونت‌کارلو و دو مجموعه داده‌های واقعی، این برآوردگرهای جدید با هم و با برآورد بیزی پارامتر تنش-مقاومت مقایسه می‌شوند. 

---

---

---

---

یکی از بحث‌های چالشی در مدل‌های رگرسیونی انتخاب مدل بهینه است، بدین شکل که چگونه می‌توان متغیرهای توضیحی مهم و متغیرهای قابل اغماض را مشخص کرده و رابطه‌ بین متغیر پاسخ و متغیرهای توضیحی را به‌طور ساده‌تر بیان نمود. با توجه به محدودیت‌های مربوط به انتخاب متغیر به روش کلاسیک نظیر انتخاب گام به گام، می‌توان از روش‌های رگرسیون تاوانیده استفاده کرد. یکی از مدل‌های رگرسیون تاوانیده، مدل رگرسیونی لاسو است که در آن فرض می‌شود خطاها از توزیع نرمال پیروی می‌کنند. در این مقاله، مدل رگرسیون لاسو بیزی با خطایی با توزیع نامتقارن و وجود متغیرهای توضیحی از بعد بالا معرفی می‌شود. سپس با شبیه‌سازی و تحلیل داده‌‌های  واقعی، عملکرد مدل پیشنهادی مورد بحث و بررسی قرار می‌گیرد.

---

---

---

روش تحلیل مجموعه ی مقادیر تکین  (SSA(   یک روش   ناپارامتری قدرتمند  درحوزه­ ی  تحلیل  سری­های  زمانی بوده و به دلیل دارا بودن ویژگی‌هایی نظیر عدم نیاز به برقراری فروض مانایی و یا محدودیت در تعداد مشاهدات جمع آوری شده مورد توجه قرار گرفته است. هدف اصلی روش SSA  تجزیه سری­های زمانی به اجزای تفسیرپذیر مانند روند، مولفه نوسانی و نوفه بدون ساختار است. در سالهای اخیر  تلاش های مستمری از جانب محققان در حوزه های مختلف پژوهشی  در جهت بهبود این روش خصوصاٌ در زمینه­ ی پیش بینی سری های زمانی  صورت گرفته است.   در این مقاله روش جدیدی برای بهبود پیش بینی روش  SSA  با استفاده از الگوریتم فیلتر کالمن در مدل های ساختاری معرفی می شود. سپس کارایی عملکرد این روش و چند روش تعمیم یافته SSA    با روش  SSA پایه با استفاده از معیار ریشه میانگین مربعات خطاها مورد مقایسه قرار می گیرد.  برای انجام این مقایسه، از داده های شبیه سازی شده از مدل های ساختاری و نیز داده های واقعی مصرف گاز در انگستان استفاده شده است.  نتایج به دست آمده از این بررسی نشان می دهد که روش معرفی شده جدید از دقت بیشتری نسبت به سایر روش ها برخوردار است.

---

در این مقاله، بر پایه مفهوم  α-شک و رابطه آن با α-برش یک عدد فازی، به بررسی برخی از مفاهیم قابلیت اعتماد پرداخته شده است. برای این منظور، در صورت معلوم بودن توزیع طول عمر مؤلفه‌های سیستم با استفاده از تعریف متغیر تصادفی فازی مقیاس مبتنی بر α-شک برخی از معیارهای قابلیت اعتماد مورد بررسی قرار گرفته است. همچنین، در صورت نامعلوم بودن توزیع طول عمر مؤلفه‌ها یا در دسترس بودن فقط مشاهدات فازی طول عمر مؤلفه‌ها، از تابع توزیع تجربی داده‌های فازی برای تخمین قابلیت اعتماد استفاده گردیده و برای شرح بیشتر نتایج، مثال‌هایی ارائه شده است.

 

---

 در این مقاله فرض می‌شود نرخ ورود متقاضیان به سیستم صف‌بندی M/M/c دارای توزیع نمایی با پارامتر $lambda$ و نرخ سرویس متقاضیان دارای توزیع نمایی با پارامتر $mu$ و مستقل از نرخ ورود است. همچنین فرض می‌شود سیستم تا زمان T (زمان توقف) فعال است. تحت این زمان توقف، برآورد ماکسیمم درستنمایی و برآورد بیزی تحت تابع‌های زیان آنتروپی عمومی و توان دوم خطای موزون و همچنین تحت توزیع پیشین آگاهی‌بخش و ناآگاهی بخش، پارامتر شدت ترافیک و احتمال پایایی سیستم M/M/c به دست آورده می‌شوند. سپس برآوردگرهای به دست آورده شده، به کمک روش شبیه‌سازی مونت‌کارلو و یک مثال عددی با هم مقایسه می‌شوند، تا برآوردگر مناسب‌تر تعیین شود.

---

در این مقاله، آماره‌های مرتب فازی را بر پایه مفهوم  α-شک بیان کرده و به بررسی برخی از کاربردهای آن در قابلیت اعتماد پرداخته شده است. برای این منظور، در صورت معلوم بودن توزیع طول عمر مؤلفه‌های سیستم، برخی از معیارهای قابلیت اعتماد i-امین آماره‌ مرتب با استفاده از تعریف متغیر تصادفی فازی مقیاس مبتنی بر α-شک مورد بررسی قرار گرفته است. همچنین، در صورت نامعلوم بودن توزیع طول عمر مؤلفه‌ها یا در دسترس بودن فقط مشاهدات فازی طول عمر مؤلفه‌ها، از تابع توزیع تجربی داده‌های فازی برای تخمین قابلیت اعتماد بر اساس آماره‌های مرتب استفاده گردیده و برای شرح بیشتر نتایج، مثال‌هایی ارائه شده است.

---

در این مقاله ابتدا با استفاده از تابع تکیه‌گاه، یک متر را بین اعداد فازی تعریف نموده و سپس براساس آن مفاهیم واریانس، کواریانس و ضریب همبستگی بین متغیرهای تصادفی فازی بیان شده و خواص آن‌ها مورد بررسی قرار می‌گیرد. سپس با استفاده از مفاهیم فوق، مدل اتورگرسیو فازی مرتبه p را براساس متغیرهای تصادفی فازی معرفی نموده و خواص مدل مورد بررسی قرار می‌گیرد. در نهایت برای شرح بیشتر مسئله، مثال‌هایی ارائه و با استفاده از برخی از معیارهای نیکویی برازش، با مدل‌های مشابه مقایسه خواهد شد. 

---

در این مقاله، بر پایه مفهوم  α-شک متغیر‌های تصادفی فازی به معرفی مدل میانگین متحرک فازی مرتبه q پرداخته می‌شود. در این راستا، ابتدا تعاریف واریانس، کواریانس و ضریب همبستگی بین متغیرهای تصادفی فازی ارائه و خواص آنها بررسی می‌گردد. سپس ضمن معرفی مدل میانگین متحرک فازی مرتبه q‌‌، توابع اتوکواریانس و خودهمبستگی این مدل محاسبه می‌گردد. در انتها، مثال‌هایی‎ برای نتایج بدست آمده ارائه می‌گردد.

---

در این مقاله، استنباط ناپارامتری در سیستم‌های منسجم  k  مولفه‌ای هنگامی که داده‌های طول عمر سیستم، سانسور شده فزاینده نوع دو هستند مورد مطالعه قرار گرفته است. در این سیستم‌های منسجم، فرض می‌شود ساختار و اثر مشخصه سیستم مشخص هستند. بر اساس داده‌های طول عمر سیستم سانسور شده فزاینده نوع دو، بازه‌های اطمینان ناپارامتری برای چندک‌های توزیع طول عمر مولفه‌ها محاسبه شده‌ است. همچنین، حدود تحمل برای توزیع طول عمر مولفه‌ها نیز مورد بررسی قرار گرفته است. بازه‌های اطمینان ناپارامتری برای چندک‌ها و حدود تحمل بر اساس دو روش، روش تابع توزیع و روش ماتریس آمیخته W محاسبه شده است. برای تشریح بیشتر روش‌های بازه‌های اطمینان معرفی شده، سه مثال عددی ارائه و مورد بررسی قرار گرفته است.

---

در این مقاله، پیش‌بینی طول عمر در سیستم‌های منسجم k مولفه‌ای هنگامی که داده‌های طول عمر سیستم، سانسور شده نوع دو هستند، بر اساس رویکردهای کلاسیک و بیزی مورد مطالعه قرار گرفته است. در این سیستم‌های منسجم، فرض می‌شود ساختار و اثر مشخصه سیستم مشخص هستند. همچنین، توزیع طول عمر مولفه‌ها، توزیع نیمه لجستیک است. پیش‌بینی‌کننده‌های نقطه‌ای مختلفی از جمله، پیش‌بینی‌کننده‌ ماکسیمم درستنمایی، پیش‌بینی‌کننده‌ نااریب، پیش‌بینی‌کننده‌ میانه شرطی و پیش‌بینی‌کننده‌ بیزی تحت تابع زیان مربع خطا برای طول عمر سیستم‌های منسجم محاسبه شده‌ است. از آن جایی که به نظر می‌رسد انتگرال‌های مرتبط با
پیش‌بینی بیزی دارای فرم‌های بسته نیستند، از الگوریتم متروپلیس-هستینگز و نمونه‌گیری نقاط مهم برای تقریب این انتگرال‌ها استفاده شده است. همچنین، بر اساس داده‌های طول عمر سیستم سانسور شده نوع دو، فاصله پیش‌بینی بر اساس کمیت محوری، فاصله پیش‌بینی HCD  و فاصله پیش‌بینی بیزی برای طول عمر مولفه‌ها نیز مورد بررسی قرار گرفته است. یک مطالعه شبیه‌سازی و یک مثال عددی برای ارزیابی و مقایسه عملکرد روش‌های مختلف پیش‌بینی ارائه شده است.