[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
Citations4716
h-index32
i10-index00
..
ثبت شده در

AWT IMAGE


..
نماد اعتماد الکترونیکی
..
آمار نشریه
تعداد دوره های نشریه: 19
تعداد شماره ها: 38
تعداد مشاهده ی مقالات: 3567881
تعداد دریافت (دانلود) مقالات: 978752

مقالات دریافت شده: 868
مقالات پذیرفته شده: 363
مقالات رد شده: 492
مقالات منتشر شده: 360

نرخ پذیرش: 41.82
نرخ رد: 56.68

میانگین دریافت تا پذیرش: 400 روز
میانگین دریافت تا اولین داوری: 5.7 روز
میانگین پذیرش تا انتشار: 510.2 روز
____
..
:: جستجو در مقالات منتشر شده ::
4 نتیجه برای نیلی ثانی

حمیدرضا نیلی ثانی، محمد امینی، ابوالقاسم بزرگ نیا،
جلد 10، شماره 1 - ( 6-1395 )
چکیده

یک نامساوی مهم برای توزیع ماکسیمم متغیرهای تصادفی مستقل نامساوی لوی است. در این مقاله یک نسخه از این نامساوی برای متغیرهای به طور ضعیف وابسته منفی ارایه می گردد. قانون قوی برای متغیرهای وابسته توسط مولفین مختلفی مورد بررسی قرار گرفته اند. در این تحقیق، همچنین، همگرایی کامل وزنی برای آرایه ای از متغیرهای تصادفی سطری وابسته منفی کراندار احتمالی بدست می آید. همگرایی کامل و قانون قوی برای چنین خانواده ای از متغیرهای تصادفی از نتایج حاصله می باشند


آزاده مجیری، یداله واقعی، حمیدرضا نیلی ثانی، غلامرضا محتشمی برزادران،
جلد 12، شماره 1 - ( 6-1397 )
چکیده

 یکی از موضوعات مهم در تحلیل داده‌های فضایی، پیش‌گویی مقدار نامعلوم کمیت مورد مطالعه در موقعیت‌های دلخواه بر اساس یکی از مدل‌های فضایی مانند اتورگرسیو فضایی یک‌طرفه، اتورگرسیو شرطی و میانگین متحرک است. در این مقاله ابتدا پارامترهای مدل (SAR(2,1 را به روش ماکسیمم درستنمایی برآورد کرده سپس فرمول‌هایی برای پیش‌گویی درون قلمرو داده‌ها (درون‌یابی) و خارج قلمرو داده‌ها (برون‌یابی) به‌دست آورده می‌شود. سپس کاربرد و کارایی روش‌های ارائه شده در قالب یک مثال مربوط به پردازش تصویر نشان داده خواهد شد.


عماد اشتری نژاد، یدالله واقعی، غلامرضا محتشمی برزادران، حمیدرضا نیلی ثانی، هادی علیزاده نوقابی،
جلد 13، شماره 1 - ( 6-1398 )
چکیده

 در تحلیل سری‌های زمانی، بهتر است قبل از هرگونه تحلیلی، وابستگی داده‌ها مورد بررسی قرار گیرد. زیرا اگر داده‌ها از یکدیگر مستقل باشند، برازش مدل‌های متداول سری زمانی که مبتنی بر اصولی چون مانایی و وابستگی داده‌های زمانی است، اعتباری نخواهد داشت. ملاک واگرایی توان در سال‌های اخیر، اغلب برای آزمون نیکویی برازش مورد استفاده قرار گرفته است. در این مقاله با تشکیل بردارهای مجاور ‎m‎تایی و استفاده از نمادسازی جایگشت، آزمونی مبتنی بر ملاک واگرایی توان برای بررسی استقلال سری‌های زمانی معرفی می‌شود که به پارامتر کنترل کننده نوع آزمون بستگی دارند. پس از بدست آوردن توزیع حدی آماره آزمون، با استفاده از یک مطالعه شبیه‌سازی، خطای نوع اول و توان آزمون برای برخی از حالت‌های خاص پارامتر کنترل کننده نوع آزمون بدست می‌آید. به وسیله نتایج شبیه‌سازی نشان داده می‌شود که برای حجم نمونه نسبتا بزرگ به ازای تمامی مقادیر پارامتر کنترل کننده نوع آزمون خطای نوع اول آزمون به سطح اسمی آن نزدیک می‌شود و آزمون‌های خی-دو اصلاح شده، نسبت درستنمایی اصلاح شده و فریمن-توکی بیشترین توان را دارند.


مریم مالکی، حمید رضا نیلی ثانی، محمد قاسم اکبری،
جلد 18، شماره 2 - ( 12-1403 )
چکیده

در این مقاله، موضوع طبقه‌بندی داده‌ها مدنظر قرار داده می‌شود که در آن متغیر پاسخ  به‌صورت دو یا چند ارزشی و متغیرهای پیشگو متغیرهای معمولی هستند اما، خطاها علاوه بر ماهیتی تصادفی، ماهیتی ابهامی نیز دارند. در این صورت متغیر پاسخ نیز متغیر تصادفی فازی است. بر این اساس مدلی بر پایه رگرسیون لوژستیک صورت‌بندی کرده و برآورد ضرایب با استفاده از روش کمترین توان‌های دوم بدست آورده می‌شود.  با یک مثال نتایج حاصله برای حالت یک متغیر مستقل تشریح می‌گردند. در پایان روابط بازگشتی برای محاسبه برآورد پارامترها ارائه می‌شوند. این روابط بازگشتی می‌توانند در یادگیری ماشین و برای طبقه‌بندی داده‌های بزرگ مورد استفاده قرار گیرند.

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 36 queries by YEKTAWEB 4714