[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
اطلاعات نشریه::
آرشیو مجله و مقالات::
ثبت نام و اشتراک::
ارسال مقاله::
پایگاه‌های مرتبط::
برای داوران::
اخلاق در پژوهش::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
Google Scholar Metrics

Citation Indices from GS

AllSince 2020
Citations4817
h-index32
i10-index00
..
ثبت شده در

AWT IMAGE


..
نماد اعتماد الکترونیکی
..
آمار نشریه
تعداد دوره های نشریه: ۱۹
تعداد شماره ها: ۳۸
تعداد مشاهده ی مقالات: ۳۵۱۰۳۷۲
تعداد دریافت (دانلود) مقالات: ۹۵۶۳۶۸

مقالات دریافت شده: ۸۶۷
مقالات پذیرفته شده: ۳۶۳
مقالات رد شده: ۴۹۲
مقالات منتشر شده: ۳۶۰

نرخ پذیرش: ۴۱,۸۷
نرخ رد: ۵۶,۷۵

میانگین دریافت تا پذیرش: ۴۰۰ روز
میانگین دریافت تا اولین داوری: ۵,۷ روز
میانگین پذیرش تا انتشار: ۵۱۰,۲ روز
____
..
:: جستجو در مقالات منتشر شده ::
۹ نتیجه برای زمان

احسان زمان زاده، ناصر رضاارقامی،
جلد ۲، شماره ۲ - ( ۱۲-۱۳۸۷ )
چکیده

در این مقاله، ابتدا به معرفی دو برآوردگر جدید آنتروپی می­ پردازیم. برآوردگرهای جدید برمبنای تصحیح برآوردگر کوریا (۱۹۹۵) در نقاط ابتدایی و انتهایی و اعمال وزن­ های متفاوت نسبت به آن برآوردگر معرفی می­ شوند. سپس به مقایسه برآوردگرهای جدید آنتروپی با برآوردگرهای آنتروپی معرفی شده توسط واسیچک (۱۹۷۶) و ابراهیمی و همکاران (۱۹۹۴) و کوریا (۱۹۹۵) می­ پردازیم. آنگاه آزمون نیکویی برازش فرضیه ­ های نرمال بودن و نمایی بودن را برمبنای برآوردگرهای جدید آنتروپی معرفی کرده و توان آن را با آزمون های مبتنی بر برآوردگرهای وسیچک (۱۹۷۶) و کوریا (۱۹۹۵) و آزمون شاپیرو-ویلک (۱۹۶۵) برآی آزمون های نرمال بودن مقایسه می­ کنیم. نتایج مطالعات شبیه ­ سازی نشان می­ دهد که برآوردگرهای پیشنهادی عملکرد نسبتا خوبی نسبت به سایر برآوردگرها در برآورد آنتروپی و آزمون نیکویی برازش دارند.


الهام زمان زاده، جعفر احمدی،
جلد ۵، شماره ۱ - ( ۶-۱۳۹۰ )
چکیده

در این مقاله ضمن معرفی روش نمونه گیری مجموعه رتبه دار، شیوه ساختن فواصل اطمینان برای چند ک های جامعه براساس آماره های ترتیبی حاصل از نمونه گیری مجموعه رتبه دار، ارائه می شود. چون ضریب اطمینان حاصل یک تابع پله ای است، امکان رسیدن به ضریب اطمینان دقیق را مشکل می سازد. برای این منظور روش جدیدی مطرح می کنیم و نشان خواهیم داد که با استفاده از آن می توان فاصله اطمینان بهینه را دست آورد. در نهایت نتایج بدست آمده را با سایر روش ها مقایسه می کنیم.
احسان زمان زاده،
جلد ۷، شماره ۱ - ( ۶-۱۳۹۲ )
چکیده

در این مقاله، ابتدا دو برآوردگر جدید آنتروپی معرفی می‌شود. سپس آزمون نیکویی برازش فرضیه نمایی بودن توزیع جامعه برمبنای برآوردگرهای جدید معرفی می‌شود و توان آنها با توان سایر آزمون‌های برمبنای آنتروپی توزیع نمایی مورد مقایسه قرار می‌گیرد. نتایج مطالعات شبیه‌سازی نشان می‌دهد که برآوردگرهای پیشنهادی عموما عملکرد بهتری در مقایسه با سایر برآوردگرها در برآورد آنتروپی و آزمون نیکویی برازش دارند.

صدیقه زمانی مهریان، علیرضا نعمت اللهی،
جلد ۷، شماره ۲ - ( ۱۲-۱۳۹۲ )
چکیده

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

احسان زمان زاده،
جلد ۸، شماره ۲ - ( ۱۲-۱۳۹۳ )
چکیده

در این مقاله برآوردگر بهبودیافته میانگین در طرح نمونه‌گیری مجموعه رتبه دار نامتعادل معرفی می‌شود که براساس این واقعیت که تابع توزیع آماره های مرتب به طور تصادفی مرتب شده هستند، به دست می‌آید. همچنین نشان داده می‌شود این برآوردگر همگراست و عملکرد بهتری نسبت به برآوردگر تجربی میانگین در طرح نمونه‌گیری مجموعه رتبه‌دار نامتعادل دارد.

حامد محمدقاسمی، احسان زمان زاده، محمد محمدی،
جلد ۱۰، شماره ۱ - ( ۶-۱۳۹۵ )
چکیده

طرح نمونه‌گیری با طبقه‌بندی قضاوتی روشی موثر برای استفاده از اطلاعات اضافی رتبه‌بندی و انتخاب نمونه‌ای با اطلاعات بیشتر نسبت به نمونه‌گیری تصادفی ساده از جامعه است. این روش نمونه‌گیری به نحوی است که هر یک از مشاهدات می‌تواند به‌طور تصادفی درون هر یک از طبقات قرار گیرد. در این مقاله برآوردگر جدیدی برای میانگین در این طرح نمونه‌گیری معرفی می‌شود که با تغییر در چینش مشاهدات باعث یک‌دست شدن مشاهدات درون طبقات می‌شود. در ادامه برآوردگر پیشنهادی با سایر برآوردگرهای میانگین موجود تحت این طرح نمونه‌گیری مورد مقایسه قرار می‌گیرد. نتایج شبیه‌سازی نشان می‌دهد که برآوردگر پیشنهادی عملکرد بهتری نسبت به سایر برآوردگرها دارد.


عیسی محمودی، سودابه سجادی پناه، محمد صادق زمانی،
جلد ۱۶، شماره ۱ - ( ۶-۱۴۰۱ )
چکیده

در این مقاله، روش نمونه‌گیری دو‌مرحله‌ای بهبود‌یافته پیرامون میانگین مدل خودبازگشتی مرتبه‌ اول مطالعه شده است. برآورد نقطه‌ای و فاصله‌ای  میانگین مدل بر اساس برآوردگرهای کمترین توان‌های دوم با شرط مینیمم‌سازی تابع مخاطره بررسی  شده است.  توزیع مجانبی برآوردگر میانگین نیز بر اساس قاعده‌ توقف نقطه‌ای ارائه شده است. هم‌چنین مطالعه‌ شبیه‌سازی مونت کارلویی برای بررسی کارایی روش پیشنهادی نسبت به روش اندازه‌ نمونه ثابت بهینه بر اساس  متغیر توقف، نسبت متغیر به اندازه‌ نمونه ثابت بهینه، برآورد میانگین، ریشه دوم میانگین توان‌های دوم خطا، نسبت تابع مخاطره حاصل از روش ارائه شده به مخاطرۀ  اندازه نمونه ثابت بهینه و  احتمال پوشش بازۀ اطمینان طراحی و اجرا شده است. در انتها، با به‌کارگیری داده‌ واقعی کاربرد روش ارائه شده مورد بررسی قرار گرفته است.

عادله فلاح تلوکی، روشنک زمان،
جلد ۱۸، شماره ۲ - ( ۱۲-۱۴۰۳ )
چکیده

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.
ام البنین بشیری گودرزی، عبدالرضا سیاره، صدیقه زمانی مهریان،
جلد ۱۹، شماره ۱ - ( ۶-۱۴۰۴ )
چکیده

 الگوریتم تقویت، الگوریتمی ترکیبی برای کاهش عدم توازن و واریانس  از خانوادۀ الگوریتم‌های یادگیری ماشین در حوزۀ یادگیری با نظارت  است. ‌ این الگوریتم، روشی برای تبدیل سیستم‌های یادگیری ضعیف به سیستم قوی بر اساس ترکیب نتایج مختلف است.  پس از انتخاب متغیر‌ها و ساخت مدل اولیه، با تنظیم نرخ یادگیری و سایر پارامتر‌های الگوریتم تقویت، مدل‌های ضعیف به مدل قوی‌تری برای برازش به داده‌ها تبدیل می‌شود.
در این مقاله مدل‌های آمیخته با اثرات تصادفی  برای کوچک نواحی در نظر گرفته شده که در آن خطاها از مدل $AR-GARCH$ پیروی می‌کنند.  به‌منظور  انتخاب متغیر در این مدل‌ها برای کوچک نواحی، الگوریتم تقویت پیشنهاد شده است. با داده‌های شبیه‌سازی شده و داده‌های مالیاتی، عملکرد الگوریتم تقویت  در انتخاب متغیر با  روش‌های کلاسیک انتخاب متغیر مورد مطالعه قرار گرفته است. نتایج  نشان می‌دهند الگوریتم تقویت عملکرد بهتری در انتخاب متغیر  برای کوچک نواحی دارد.

صفحه 1 از 1     

مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences

Persian site map - English site map - Created in 0.06 seconds with 41 queries by YEKTAWEB 4714