چنانچه در نمونه گیری، داده ها با احتمالی متناسب با اندازه انتخاب شوند، داده های حاصل را در طول-اریب نامند. برآورد ناپارامتری تابع چگالی با استفاده از داده های در طول-اریب، مشکلتر از سایر حالات است. یکی از برآوردگرهای معروف در این زمینه توسط جونز (1991) معرفی شده است. در این مقاله ابتدا پارامتر پهنای باند این برآوردگر با رهیافت بیزی برآورد می شود. سپس سازگاری قوی آن با به کار بردن پهنای باند برآورد شده به روش بیزی اثبات می شود. در انتها با مطالعه شبیه سازی به مقایسه عملکرد روش بیزی و اعتبارسنجی متقابل در برآورد پهنای باند پرداخته می شود.

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

 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.

در این مقاله ابتدا به معرفی اندازه نادرستی کریج به عنوان تعمیمی از آنتروپی شانون پرداخته شد سپس اندازه نادرستی گذشته عمر براساس مفهوم تابع چندک بازنویسی شده است. در ادامه مشخص‌سازی‌هایی برای توزیع‌های طول عمر با خاصیت نرخ شکست وارون متناسب براساس اندازه نادرستی گذشته عمر چندکی ارائه شده است. همچنین رده توزیع‌های طول عمر دارای خاصیت اندازه نادرستی گذشته عمر صعودی (نزولی) و ویژگی‌هایی از آن مورد بررسی قرار گرفته است. بعلاوه با ارائه مثالی از داده‌های واقعی، کاربردی از اندازه نادرستی چندکی بیان شده است.

 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.

عملکرد یک سیستم تنها به نحوۀ طراحی آن بستگی ندارد. بلکه برنامه‌ای که برای تعمیر و نگهداری آن در نظر گرفته می‌شود نیز در بهبود عملکرد آن تاثیر بسزایی خواهد داشت. بنابراین یکی از مباحث مهم در قابلیت اعتماد، بحث تعمیر و نگهداری سیستم‌ها است. در این مقاله یک سیستم ‎k‎ از ‎n‎ قابل تعمیر در نظر گرفته می‌شود که در زمان صفر شروع به‌ کار می‌کند. وقتی سیستم خراب می‌شود تحت تعمیر مینیمال قرار می‌گیرد و دوباره شروع به کار می‌کند. با استفاده از رابطه بین مفاهیم تعمیر مینیمال و مقادیر رکوردی، تابع قابلیت اعتماد، تابع نرخ خطر، تابع میانگین مانده‌ عمر و برخی از ویژگی‌های قابلیت اعتماد این سیستم به‌دست می‌آید. همچنین به کمک برخی از ترتیب‌های تصادفی شناخته شده، طول عمر و مانده عمر دو سیستم k‎ از ‎n‎ قابل تعمیر مقایسه می‌شوند. در پایان با توجه به نوع اطلاعات موجود درباره‌ طول عمر سیستم‌های ‎k‎ از ‎n‎، فواصل پیش‌بینی ناپارامتری برای طول عمر سیستم قابل تعمیر مورد نظر به‌دست خواهد آمد‎.

افزونگی و کاهش دو روش اصلی برای بهبود قابلیت اعتماد سیستم هستند. در روش افزونگی، قابلیت  اعتماد سیستم با افزودن مولفه‌های اضافی به برخی از مولفه‌های اصلی سیستم بهبود می‌یابد. در روش کاهش قابلیت اعتماد سیستم با کاهش نرخ شکست همه یا برخی از مولفه‌های سیستم افزایش می‌یابد. این مقاله به بررسی هم‌ارزی بین روش‌های افزونگی و کاهش براساس مفهوم عامل‌های هم‌ارزی قابلیت اعتماد می‌پردازد. یک فرمول بسته برای محاسبه عامل هم‌ارزی بقاء به‌دست می‌آید. این عامل، میزان کاهش در نرخ خطر مولفه‌(های) یک سیستم برای اینکه قابلیت اعتماد آن برابر با زمانی باشد که به یکی از روش‌های افزونگی بهبود یافته است را مشخص می‌کند. تاثیر اندازه اهمیت مولفه نیز در نتایج به‌دست آمده، مورد مطالعه قرار گرفته ‌است.

مدل‌بندی و برآوردی کارا از تابع روند در برآورد تغییرنگار و پیش‌گویی داده‌های فضایی از اهمیت بالایی برخوردار است. در این مقاله برای مدل‌بندی تابع روند از روش رگرسیون بردار پشتیبان استفاده شده است. سپس داده‌ها روندزدایی شده و برآورد تغییرنگار و پیش‌گویی انجام می‌شود. بر روی یک مجموعه داده واقعی، نتایج پیش‌گویی حاصل از روش پیشنهادی با روش پیش‌گویی اسپلاین و کریگیدن از طریق اعتبارسنجی متقابل مقایسه شده است. کمینه بودن ریشه دوم میانگین توان‌های دوم خطا  معیار انتخاب روش مناسب پیش‌گویی است. نتایج پیش‌گویی برای چند موقعیت با مقادیر معلوم که بنا به دلایلی از مجموعه داده‌ها کنار گذاشته شده‌اند و برای موقعیت‌های جدید به‌دست آمده‌اند. نتایج بیانگر دقت بالای پیش‌گویی با روش پیشنهادی  نسبت به کریگیدن و اسپلاین 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.