---

  یکی از مدل هایی که می تواند در مطالعه رابطه بین مجموعه های تصادفی بولی و متغیرهای کمکی به کار رود مدل رگرسیونی رشد است که با تعمیم مدل بولی و وابسته کردن توزیع دانه های آن به متغیرهای کمکی تعریف می شود. این مدل می تواند در مطالعه رفتار مجموعه های تصادفی بولی وقتی تغییر در ناحیه پوشیده شده توسط آنها با تغییر در اندازه دانه ها همراه است استفاده شود. در این مقاله شناسایی و برازش مدل رشد مناسب، با تکیه به اطلاعات موجود در مصادیق مدل های بولی و مقادیر متغیرهای کمکی را امکان پذیر ساخته ایم. همچنین روش مناسبی برای برازش مدل رگرسیونی رشد ارایه و خواص برآورد کننده های حاصل از آن را به کمک شبیه سازی مورد مطالعه قرار داده ایم.

---

در این مقاله یک مدل آمیخته فرایند دیریکله جدید با هسته وارون وایبل تعمیم‌یافته پیشنهاد شده است. پس از تعیین توزیع پیشین پارامترها در مدل پیشنهادی، برای نمونه‌گیری از توزیع پسین توام پارامترها از روش‌های مونت کارلوی زنجیره مارکف استفاده شده است. عملکرد مدل پیشنهادی با تحلیل چندین مجموعه داده واقعی و شبیه‌سازی شده مورد بررسی قرار گرفته است. در مجموعه داده‌های واقعی برخی از داده‌ها سانسور شده از راست هستند. همچنین در این مقاله پتانسیل مدل پیشنهادی برای خوشه‌بندی کردن داده‌ها بکار گرفته شده است. نتایج بدست آمده نشان دهنده عملکرد مطلوب مدل پیشنهادی است.

---

مدل‌های زمان شکست شتابیده یکی از مدل‌هایی است که در تحلیل بقا هنگامی که داده‌ها سانسور شده‌است، بویژه زمانی‌که همراه با متغیرهای کمکی است مورد استفاده قرار می‌گیرد. هنگامی‌که مدل‌های مورد نظر به پارامتر مجهول وابسته است یکی از روش‌هایی که می‌توان بکاربرد روش بیزی، بویژه روش بیز ناپارامتری است که فضای پارامتر را بینهایت بعدی در نظر می‌گیرد. در این چارچوب مدل‌های آمیخته فرایند دیریکله نقش مهمی را ایفا می‌کنند. در این مقاله یک مدل آمیخته فرایند دریکله با هسته بِر 12 برای مدل‌سازی توزیع بقا زمان شکست شتابیده درنظر گرفته می‌شود. سپس با استفاده از روش‌های مونت کارلوی زنجیر مارکف از توزیع پسین نمونه تولید می‌شود. عملکرد مدل پیشنهادی با مدل آمیخته فرایند درخت پولیا براساس داده‌های شبیه‌سازی شده و واقعی مقایسه می‌شود. نتایج به‌دست آمده نشان می‌دهد که مدل پیشنهادی عملکرد بهتری دارد.