رکوردها در یک دنباله از مشاهدات مقادیری هستند که از مشاهدات ماقبل خود بزرگتر (کوچکتر) باشند. اجرای نمونه گیری دنباله ای تا کسب تعدادی مشخص از داده های رکوردی، در مقالات به روش نمونه گیری معکوس معروف است. در این حالت امید ریاضی زمان انتظار زمان انتظار بین دور رکورد نامتناهی است و تعدد داده های رکوردی مستخرج نیز محدود است. یکی از راهکارها برای مقابله با این مشکل، استفاده از طرح نمونه گیری تکراری به روش معکوس است. در این طرح با به کارگرفتن روش نمونه گیری معکوس ابتدا در مرحله اول k₁ رکورد را استخراج نموده و نمونه گیری را در این مرحله متوقف می سازیم. سپس در مرحله دوم با در نظر گرفتن نمونه ای مستقل از نمونه اول، k₂ رکورد بعدی را استخراج می نماییم و همین روند را تا رسیدن به تعداد رکوردهای مورد نظر ادامه می دهیم. در این مقاله حالتی را در نظر می گیریم که تعداد رکوردهای مستخرج در هر مرحله ثابت و همگی برابر k باشند. نتایج کلی برای چند رده مختلف از توزیع های مهم آماری به دست آمده و برخی از توزیع های مهم طول عمر از جمله توزیع نمایی، بر نوع دوازده و وایبول برای تشریح نتایج به دست آمده مورد استفاده قرار گرفته اند.

در این مقاله استنباط درستنمایی و استنباط بیزی قابلیت اطمینان تنش نیرو در توزیع های رایلی تعمیم یافته، گامبل نمایی، بور نوع سه، نمایی تعمیم یافته، وایبول تعمیم یافته، پارتو تعمیم یافته، لوژستیک تعمیم یافته، تابع توانی و رایلی معکوس به عنوان توزیع های خانواده نرخ خطر معکوس متناسب بر اساس داده های رکوردی پایین مورد مطالعه قرار گرفته است. همچنین مدل تنش نیرو بر اساس مقادیر رکوردی بالا در توزیع های گامپرتز، بور نوع دوازده، لوماکس و وایبول به عنوان اعضایی از خانواده نرخ خطر متناسب بررسی می شود. براورد پارامترها محاسبه و ویژگی های آنها مورد بررسی قرار گرفته اند. بازه های اطمینان دقیق و بیزی برای قابلیت اطمینان تنش نیرو در همه توزیع ها به دست آمده است. سپس بازه های بوت استرپ تی و درصدی برای پارامتر مدل تنش نیرو بر مبنای داده های رکوردی مطالعه شده است. در پایان مطالعه های شبیه سازی برای بررسی و مقایسه بازه های اطمینان به دست آمده، انجام شده است.

 در این مقاله ضمن ارائه روش تولید آماره‌های ترتیبی تعمیم‌یافته از توزیع گومپرتز، برآوردهای بیزی و ماکسیمم درستنمایی پارامترها و تابع‌های قابلیت اعتماد و خطر آن در طرح‌های سانسور شده فزآینده نوع دوم و مقادیر رکوردها بر اساس آماره‌های ترتیبی به‌دست آورده شده و با استفاده از شبیه‌سازی مونت‌کارلو و دو مجموعه داده واقعی مقایسه می‌شوند. همچنین با مقایسه برآوردهای بیزی و ماکسیمم درستنمایی توزیع گومپرتز با برآوردهای مشابه در توزیع‌های وایبول و لوماکس نشان داده می‌شود که برآوردهای توزیع گومپرتز بهترند.

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.

در این مقاله، برآوردیابی و پیش‌بینی برای توزیع پواسن-نمایی بر اساس رکوردهای پایین و زمان‌های بین رکورد مورد مطالعه قرار می‌گیرند. برآوردیابی با روش‌های ماکسیمم درستنمایی و بیزی بر اساس دو تابع زیان متقارن و نامتقارن صورت می‌‍‌پذیرد. از آن‌جا که به نظر می‌رسد انتگرال‌های مرتبط با برآوردهای بیزی دارای فرم‌های بسته نیستند، از الگوریتم‌های متروپولیس-هستینگز درون گیبز و نمونه‌گیری نقاط مهم برای تقریب این انتگرال‌ها استفاده می‌شود. همچنین پیش‌بینی بیزی رکوردهای آینده نیز مورد بررسی قرار می‌گیرد. یک مطالعه شبیه‌سازی و یک مثال کاربردی برای ارزیابی و نشان دادن کاربرد نتایج مقاله و همچنین مقایسه نتایج عددی وقتی استنباط بر اساس رکوردها و زمان‌های بین رکورد است، با هنگامی که استنباط تنها بر اساس رکوردها صورت می‌پذیرد، ارائه می‌گردد.

با ظهور مِه‌داده‌ها در دو دهۀ گذشته، به منظور بهره‌برداری و استفاده از این نوع داده‌ها، نیاز به یکپارچه‌سازی پایگاه‌داده‌ها با هدف تصمیم‌گیری براساس شواهد و اطلاعات قوی‌تر، بیش از پیش احساس می‌شود. لذا آشنایی با روش‌‌شناسی اتصال رکوردی به عنوان یکی از روش‌های یکپارچه‌سازی داده‌ها و همچنین استفاده از روش‌های یادگیری ماشین برای سهولت فرآیند اتصال رکوردها ضروری است. در این مقاله، ضمن تشریح فرایند اتصال رکوردی و برخی روش‌های مرتبط با آن، با استفاده از روش‌های یادگیری ماشین، برای افزایش سرعت یکپارچه‌سازی پایگاه‌داده‌ها، کاهش هزینه و بهبود عملکرد اتصال رکوردی، دو پایگاه‌دادۀ چارچوب کارگاه‌های صنعتی مرکز آمار ایران و سازمان تامین اجتماعی به یکدیگر متصل شده‌اند.