در این مقاله توزیعی جدید بر مبنای توزیع وایبول ارائه  می‌شود. این توزیع دارای سه پارامتر است که نرخ شکست‌های صعودی، نزولی، وان شکل، تک‌مدی و صعودی نزولی صعودی را شامل می‌شود. سپس خواص  توزیع مورد بررسی قرار می‌گیرد آنگاه با استفاده از یک مجموعه  داده واقعی ویژگی‌های آن با برخی از تعمیم‌های توزیع وایبول مقایسه می‌شود.

در نمونه‌گیری موزون به عنوان تعمیمی از نمونه‌گیری تصادفی هر مشاهده، با احتمالی متناسب با یک تابع نامنفی از آن ثبت می‌شود. در این مقاله مدل رگرسیونی نرمال تحت نمونه‌گیری موزون برای یک وزن کلی پیشنهادی مطالعه می‌گردد. پارامترهای مدل در دو حالت معلوم و نامعلوم بودن پارامتر وزن برآورد می‌شوند و با استفاده از شبیه‌سازی کارایی برآوردها هنگامی که شکل بسته‌ای برای آنها به‌دست نمی‌آ‌ید مطالعه می‌شوند. به‌عنوان یک کاربرد، داده‌های تعداد نسخه پزشکان متخصص طرف قرارداد سازمان تا مین اجتماعی اهواز این مدل  تحلیل می‌شوند.

 توزیع بتا برای مدل‌بندی داده‌هایی که به‌صورت نسبت هستند، توزیع مناسبی است. در موارد زیادی که داده‌های نسبت شامل تعداد زیادی صفر و یک هستند، توزیع‌های بتای آماسیده مناسب هستند. در صورتی که احتمال ثبت چنین مشاهده‌هایی متناسب با یک تابع وزن نامنفی از آن‌ها باشد، آن مشاهده‌ها دارای توزیع موزون بتای آماسیده هستند. تمرکز این مقاله روی توزیع اریب اندازه بتای آماسیده به عنوان یک حالت خاص از توزیع موزون بتای آماسیده با وزن توانی است. خواصی از این توزیع مطالعه و پارامترهای آن به روش‌های ماکسیمم درستنمایی و گشتاوری برآورد و با استفاده از مطالعه شبیه‌سازی دو روش مقایسه می‌شوند. در پایان مدل مفروض به داده‌های واقعی نسبت مرگ و میر برازش داده می‌شوند.

در این مقاله روشی برای استفاده از خروجی‌های کالمن فیلتر برای شناسایی تغییرات تأثیر گذار سری زمانی ارائه شده است. از آن‌جا که الگوریتم کالمن فیلتر برای تحلیل مدل‌های فضای حالت به کار می‌رود که مدل‌های خطی ARMA را پوشش می‌دهد، استفاده از این روش می‌تواند برای شناسایی تغییرات از جمله مقادیر پرت به کار رود. در این مقاله روش پیشنهاد شده برای شناسایی پنج تغییر: نقطه پرت جمع پذیر، تغییر سطح، تغییرات فصلی، تغییر دوره و شیب ناگهانی سری زمانی استفاده شده است. توانایی روش پیشنهادی در یافتن نقاط تأثیر گذار با استفاده شبیه‌سازی نشان داده شد. به عنوان یک مثال واقعی داده‌های ازدواج در کشور انگلیس مورد بررسی قرار گرفت.

در این مقاله یک روش برای برآورد ماتریس کوواریانس مدل ARMA با بهره‌گیری از ماتریس باند پیشنهاد شده است. تابع درستنمایی مدل ARMA با ماتریس کوواریانس قطری به دست آمده و تقریب‌هایی نیز برای معیارهایی مانند کولبک-لیبلر و چرنوف ارائه شده است. بعلاوه دو قاعده برای ممیزی مدل‌های ARMA با استفاده از تقریب‌های به دست آمده پیشنهاد شده است. سپس با استفاده از داده‌های شبیه‌سازی شده و واقعی، توانایی روش پیشنهادی در ممیزی مدل‌های مختلف ARMA نشان داده شده است. کاهش قابل ملاحظه تعداد محاسبات برای سری‌های زمانی بزرگ و نرخ خطای ممیزی پایین از ویژگی‌های قواعد پیشنهاد شده است. همچنین عدم نیاز به فرض نرمال بودن در یک قضیه نشان داده شده است.

‌ این مقاله به بررسی مدل سری زمانی خود بازگشت آمیخته با وزن‌های ثابت در قالب فضای حالت و تعمیم آن به مدل‌های خودبازگشت-میانگین متحرک آمیخته می‌پردازد. توابع چگالی پیش‌بینی، پالایش و هموارسازی با استفاده از یک روش مونت کارلوی دنباله‌ای تقریب زده شده‌اند. همچنین الگوریتم ‎EM‎ برای برآورد پارامترهای مدل در فضای حالت ارائه شده است. نتایج نشان می‌دهد در قالب فضای حالت، ابعاد بردار پارامترهای مدل کاهش می‌یابد. علاوه بر این رفتار الگوریتم‌های پالایش و هموارسازی با استفاده از شبیه‌سازی مونت کارلو در مدل‌های ایستا مورد بررسی قرار گرفته است. نتایج این مطالعه نشان می‌دهد الگوریتم پالایش در مدت زمان کوتاهی به یک حالت پایا نزدیک می‌شود. همچنین پس از گذشت زمان کوتاهی میانگین توزیع‌های پالایش و هموارسازی به مقادیر واقعی بردار حالت نزدیک می‌شوند. 

عدم قطعیت یکی از ویژ‌گی‌های ذاتی در بسیاری از داده‌های زیستی، زمین‌آماری و جغرافیایی، به عنوان داده‌های فضایی است، که در اغلب اوقات ناشی از وجود خطا در اندازه‌گیری‌ کمیت‌های مورد مطالعه است. این در حالی است که در نظر نگرفتن این موضوع می‌تواند اعتبار نتایج حاصل از تحلیل داده‌ها را زیر سؤال برده و براوردهای حاصل را دچار تورم واریانس و اریبی قابل توجهی نماید. در این مقاله، به تحلیل مدل فضایی گاوسی با خطای اندازه‌گیری در پیش‌گوها در قالب یک چارچوب بیزی پرداخته خواهد شد. با توجه به پیچیدگی شکل توزیع پسین، نمونه‌گیری از این توزیع به کمک الگوریتم‌های مونت کارلوی زنجیر مارکفی و روش‌ داده‌افزایی انجام خواهد شد. سرانجام عملکرد مدل پیشنهادی را در مقایسه با نتایج تحلیل مدل ناپخته به کمک شبیه‌سازی ارزیابی می‌شود.

در سال‌های اخیر از رگرسیون پواسن برای مدل‌بندی متغیرهای پاسخ شمارشی استفاده شده است. زمانی که مجموعه داده‌های شمارشی دارای فراوانی بیش از حد در عدد صفر باشند، استفاده از رگرسیون پواسن مناسب نیست. در این مقاله، از دو مدل رگرسیون پواسن با صفر آماسیده و رگرسیون پواسن دو متغیره با صفر آماسیده با اثر تصادفی برای مدل‌بندی پاسخ شمارشی با فراوانی بیش از حد در عدد صفر استفاده شده است. معمولا توزیع اثر تصادفی را نرمال فرض می‌کنند، اما در این مقاله از توزیع چوله نرمال که از انعطاف‌پذیری بیشتری نسبت به توزیع نرمال برخوردار است به‌عنوان توزیع اثر تصادفی استفاده کرده‌ایم. در پایان مدل بدست آمده برای تحلیل داده‌های مربوط به تعداد واحدهای مردودی و نیم‌سال‌های مشروطی دانشجویان دانشگاه شهید چمران اهواز مورد استفاده قرار گرفته است و از روش شبیه‌سازی برای اعتبار‌سنجی مدل بدست آمده استفاده شده است.

در تحلیل رگرسیونی مطالعه مباحث تشخیصی شامل تعیین مشاهدات مؤثر و نقاط پرت از اهمیت ویژه‌ای برخوردار است. حساسیت روش کمترین توان‌های دوم نسبت به حضور مشاهدات مؤثر و داده‌های پرت در مدل موجب شد که گامی در جهت توسعه‌ مباحث تشخیصی به منظور ارائه‌ معیارهایی برای اندازه‌گیری تأثیر و شدت وابستگی به این مشاهدات برداشته شود. تعیین مشاهدات مؤثر و نقاط پرت در داده‌ها، زمانی که متغیرهای مستقل همخطی داشته باشند، بسیار پیچیده و مشکل است و خصوصاً اینکه حضور همخطی می‌تواند برخی از داده‌های غیرعادی را پوشش دهد. یکی از روش‌های مورد توجه برای تعیین مشاهدات پرت، روش انتقال میانگین است. در این مقاله، روش انتقال میانگین را برای برآوردگر ریج تحت محدودیت‌های خطی تصادفی؛ که به منظور کاهش اثر همخطی استفاده شده، تعمیم داده و برای این برآوردگر آماره آزمون جهت شناسایی مشاهدات پرت ارائه خواهد شد. در نهایت توانایی این روش را با استفاده از یک مثال کاربردی از داده‌های واقعی نشان داده می‌شود.

 معمولاً در بررسی‌های نمونه‌گیری هنگامی‌که سؤال حساس مستقیمی پرسیده شود، پاسخگو پاسخ واقعی را ارائه نمی‌کند. روش‌های پاسخ تصادفیده برای حفاظت از محرمانگی پاسخ‌ها مطرح شده‌اند. تمرکز این مقاله بر روش پاسخ تصادفیده در متغیرهای کیفی بر پایه روش سیمونس است. برای حفظ محرمانگی بیشتر با ترکیب دو روش جداگانه سیمونس، یک روش پاسخ تصادفیده مرکب جدید معرفی می‌شود و با استفاده از شبیه سازی در نرم افزار ‎R‎ کارایی روش تصادفیده پیشنهادی با روش سیمونس و روش تصادفیده علوی و تاج‌الدینی ‎(1394)‎ مقایسه می‌شود. با استفاده از روش تصادفیده پیشنهادی، نسبت تقلب دانشجویان در امتحانات دانشگاه شهید چمران اهواز برآورد شده‌است.

پارامتر قابلیت اطمینان برای اکثر خانواده‌ توزیع‌های حاشیه‌ای با فرض استقلال بین دو مؤلفه‌ قدرت و تحمل برآورد شده است، اما متأسفانه کم‌تر در مورد دو مؤلفه بهم وابسته بحث شده است. به‌تازگی روشی مبتنی بر تابع مفصل برای برآورد پارامتر قابلیت اطمینان تحت فرض وجود همبستگی بین مولفه‌های قدرت و تحمل ارائه‌شده است. در این مقاله از این روش برای برآورد پارامتر قابلیت اطمینان وقتی توزیع مؤلفه‌ها نمایی تعمیم‌یافته باشد استفاده شده است. برای این منظور توابع مفصل فارلی ‎–‎ گامبل ‎–‎ مورگنسترن، فارلی ‎–‎ گامبل ‎–‎ مورگنسترن تعمیم‌یافته و فرانک به کار گرفته شده است. سپس مطالعه‌ای شبیه‌سازی به‌منظور نشان دادن تناسب برآوردهای بدست آمده انجام شده است. در پایان پارامتر قابلیت اطمینان برای داده‌های توزیع نسبی جمعیت برحسب گروه‌های عمده سنی به تفکیک مناطق شهری و روستایی ایران در سال ‎1390‎ برآورد شده است‎.

در بسیاری از آمارگیری‌های نمونه‌ای متغیّرهای مورد علاقه همچون تقلب دانشجو دارای ماهیت حسّاس هستند. در چنین موقعیت‌هایی افراد به سؤال مستقیم پاسخ‌های نادرست می‌دهند یا از پاسخ دادن امتناع می‌ورزند. روش‌های مختلف غیرمستقیم از جمله روش پاسخ تصادفیده و روش تعداد اقلام برای جمع‌آوری اطلاعات حساس معرفی شده است. در این مقاله ابتدا یک روش تعداد اقلام جدید معرفی شده و سپس گونه تصادفیده آن با نام مدل تعداد اقلام تصادفیده معرفی می‌شود. برآوردی نااریب برای نسبت حساس با استفاده از این مدل به‌دست آورده می‌شود. واریانس این برآوردکننده و برآوردی برای این واریانس معرفی می‌شود. یک معیار کمی برای مقایسه توأم کارایی و محرمانگی معرفی می‌شود. با استفاده از شبیه‌سازی مدل پیشنهادی ارزیابی و کارایی و محرمانگی آن با روش تصادفیده سایمون مقایسه می‌شود. براساس این معیار برتری روش پیشنهادی بر سایمون نشان داده می‌شود. نسبت تقلب دانشجویان در دانشگاه شهید چمران اهواز با استفاده از مدل پیشنهادی برآورد می‌شود.