|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
7 نتیجه برای آخوند
فروغ حاجی باقری، عبدالرحمن راسخ، محمدرضا آخوند،
جلد 8، شماره 1 - ( 6-1393 )
چکیده
در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با استفاده از روش انتقال میانگین نقاط پرت، آماره آزمون لازم برای شناسایی این نقاط به هنگام استفاده از برآوردگر لیو تعمیم داده می شود. در ادامه با استفاده از مجموعه داده ای واقعی کاربرد این روش مورد ارزیابی قرار می گیرد.
علی دوستمرادی، محمدرضا زادکرمی، محمدرضا آخوند، عارف خنجری عیدنک،
جلد 8، شماره 2 - ( 12-1393 )
چکیده
در این مقاله توزیعی جدید بر مبنای توزیع وایبول ارائه می‌شود و سپس خواص این توزیع جدید مورد بررسی قرار گرفته و با استفاده از یک مجموعه داده واقعی با برخی توزیع های تعمیم‌یافته توزیع وایبول مورد مقایسه قرار می‌گیرد.
مینا گدازی، محمدرضا آخوند، عبدالرحمن راسخ،
جلد 10، شماره 1 - ( 6-1395 )
چکیده
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.
مژگان دهقانی، محمدرضا زادکرمی، محمدرضا آخوند،
جلد 13، شماره 1 - ( 6-1398 )
چکیده
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.
محمد نصیری فر، محمد رضا آخوند، محمدرضا زادکرمی،
جلد 13، شماره 2 - ( 12-1398 )
چکیده
پارامتر قابلیت اطمینان برای اکثر خانواده توزیع‌های حاشیه‌ای با فرض استقلال بین دو مؤلفه قدرت و تحمل برآورد شده است، اما متأسفانه کم‌تر در مورد دو مؤلفه بهم وابسته بحث شده است. به‌تازگی روشی مبتنی بر تابع مفصل برای برآورد پارامتر قابلیت اطمینان تحت فرض وجود همبستگی بین مولفه‌های قدرت و تحمل ارائه‌شده است. در این مقاله از این روش برای برآورد پارامتر قابلیت اطمینان وقتی توزیع مؤلفه‌ها نمایی تعمیم‌یافته باشد استفاده شده است. برای این منظور توابع مفصل فارلی – گامبل – مورگنسترن، فارلی – گامبل – مورگنسترن تعمیم‌یافته و فرانک به کار گرفته شده است. سپس مطالعه‌ای شبیه‌سازی به‌منظور نشان دادن تناسب برآوردهای بدست آمده انجام شده است. در پایان پارامتر قابلیت اطمینان برای داده‌های توزیع نسبی جمعیت برحسب گروه‌های عمده سنی به تفکیک مناطق شهری و روستایی ایران در سال 1390 برآورد شده است.
سید محمدرضا علوی، سارا نیری مازی، محمدرضا آخوند،
جلد 13، شماره 2 - ( 12-1398 )
چکیده
در بسیاری از آمارگیری‌های نمونه‌ای متغیّرهای مورد علاقه همچون تقلب دانشجو دارای ماهیت حسّاس هستند. در چنین موقعیت‌هایی افراد به سؤال مستقیم پاسخ‌های نادرست می‌دهند یا از پاسخ دادن امتناع می‌ورزند. روش‌های مختلف غیرمستقیم از جمله روش پاسخ تصادفیده و روش تعداد اقلام برای جمع‌آوری اطلاعات حساس معرفی شده است. در این مقاله ابتدا یک روش تعداد اقلام جدید معرفی شده و سپس گونه تصادفیده آن با نام مدل تعداد اقلام تصادفیده معرفی می‌شود. برآوردی نااریب برای نسبت حساس با استفاده از این مدل به‌دست آورده می‌شود. واریانس این برآوردکننده و برآوردی برای این واریانس معرفی می‌شود. یک معیار کمی برای مقایسه توأم کارایی و محرمانگی معرفی می‌شود. با استفاده از شبیه‌سازی مدل پیشنهادی ارزیابی و کارایی و محرمانگی آن با روش تصادفیده سایمون مقایسه می‌شود. براساس این معیار برتری روش پیشنهادی بر سایمون نشان داده می‌شود. نسبت تقلب دانشجویان در دانشگاه شهید چمران اهواز با استفاده از مدل پیشنهادی برآورد می‌شود.
جلال چاچی، محمدرضا آخوند، شکوفه احمدی،
جلد 18، شماره 2 - ( 12-1403 )
چکیده
مدل لی-کارتر یک مدل پویای تصادفی است که برای نشان دادن تکامل نرخ مرگ و میر مرکزی در طول زمان مفید است. این مدل فقط عدم قطعیت احتمالی در مورد ضریب مربوط به روند مرگ و میر در طول زمان را در نظر می‌گیرد، اما عدم قطعیت احتمالی یا امکانی مربوط به ضرایبی که به سن وابسته هستند را در نظر نمی‌گیرد. لذا در ادامه تعمیم فازی از مدل لی-کارتر پیشنهاد می‌شود که حالت عدم قطعیت امکانی هر دو نوع ضریب را فراهم می‌کند. در این مدل، تغییرپذیری شاخص وابسته به زمان به عنوان یک مدل سری زمانی-تصادفی فازی مدل‌سازی می‌شود. به همین ترتیب، عدم قطعیت امکانی ضرایب وابسته به سن نیز با استفاده از اعداد فازی مثلثی اندازه‌گیری می‌شود، که این موضوع نیازمند استفاده از یک مدل فازی است. پس از تعمیم مدل فازی مورد نظر، نشان داده می‌شود که چگونه می‌توان لگاریتم نرخ مرگ و میر مرکزی در استان خوزستان را با استفاده از محاسبات اعداد فازی در طی سال‌های 1383-1401 برازش و در سال‌های 1402-1406 پیش‌بینی تصادفی فازی کرد.
|
|
|
|
|
|
|
|
|
|
|
