---

توجه به تابع مفصل به منظور مدل‌سازی ساختار وابستگی داده‌ها در دهه‌های اخیر بسیار رایج شده است. سه روش گشتاوری، ترکیبی و گشتاور مفصل برای برآورد پارامتر وابستگی تابع مفصل در حضور داده دورافتاده در این مقاله مورد نظر است. هرچند روش گشتاوری یک روش قدیمی است، اما گاهی اوقات این روش منجر به برآورد نامناسبی می‌گردد. در نتیجه، دو روش دیگر برآورد پارامتر بر پایه گشتاوری برای بهبود برآورد پارامتر در نظر گرفته شده‌اند. نتایج مطالعه شبیه‌سازی نشان داد که وقتی از روش گشتاور مفصل و روش ترکیبی برای مفصل در حضور داده دورافتاده استفاده می‌کنیم، میانگین مربع خطای به دست آمده کوچک‌تر است. همچنین روش گشتاور مفصل بهترین برآورد براساس میانگین مربع خطا است. در نهایت، نتایج عددی به دست آمده در یک مثال کاربردی به کار گرفته می‌شود.

---

یکی از مهم‌ترین چالش‌ها در بحث داده‌های سانسور فزاینده نوع دو، تعیین طرح برداشت است. طرح برداشت می‌تواند ثابت باشد یا به صورت تصادفی، برطبق  توزیع احتمال گسسته‌ای، انتخاب شود. در این مقاله ابتدا، دو توزیع توأم گسسته برای برداشت‌های تصادفی تحت توزیع طول عمر وایبل دو پارامتری معرفی می‌شوند. روش‌های پیشنهادی مبتنی بر  فواصل نرمالیده  آماره‌های مرتب سانسور فزاینده نوع دو نمایی است. همچنین  امید ریاضی زمان مورد انتظار تحت روش‌های پیشنهادی به دست آمده  است. برآورد پارامترها بر اساس روش‌های ماکسیمم درستنمایی، کمترین توان های دوم و ماکسیمم حاصل‌ضرب فاصله‌ای حاصل می شوند. در ادامه، با استفاده از روش‌های  شبیه‌سازی مونت کارلو،  الگوهای برداشت پیشنهادی با الگوهای برداشت یکنواخت گسسته، دوجمله‌ای و طرح‌های برداشت ثابت از لحاظ اریبی، مجذور میانگین مربع خطای برآوردگرها و امید ریاضی زمان کل مورد انتظار آزمایش مقایسه می شوند. همچنین، نسبت امید ریاضی زمان مورد انتظار تحت سانسور فزاینده نوع دو نیز به، حالت بدون برداشت بررسی می‌شود. سرانجام، عملکرد رهیافت‌های پیشنهادی، در یک مجموعه داده  واقعی  نشان داده می‌شود.

---

در این مقاله برآورد  R{r,k}= P(X{r:n1} < Y{k:n2}) در صورتی که تنش X  و مقاومت Y  دو متغیر تصادفی مستقل دارای توزیع نمایی معکوس با پارامترهای مقیاس مجهول هستند در نظر گرفته شده است. برآورد ماکسیمم درستنمایی R{r,k}   و بازه اطمینان مجانبی برای آن بدست آورده شده است. مطالعات شبیه‌سازی و عملکرد این مدل برای دو مجموعه داده واقعی نیز مورد بررسی قرار گرفته است.
 

---

این مقاله برآوردگرهای انقباضی نوع-لیو را برای ضرایب مدل رگرسیونی خطی با حضور هم‌خطی چندگانه تحت اﻃﻼﻋﺎت زیﺮﻓﻀﺎ پیشنهاد می‌دهد. عملکرد برآوردگرهای معرفی شده از نظر کارایی نسبی آن‌ها از طریق شبیه‌سازی مونت کارلو و یک مجموعه داده واقعی با برآوردگر نوع-لیو مقایسه می‌شود. نتایج آشکار می‌کنند که برآوردگرهای معرفی شده نسبت به برآوردگر نوع-لیو عملکرد بهتری دارند.

---

در این مقاله، به محاسبه برآوردگرهای بیزی و  E-بیزی در مدل بر نوع ۱۲ پرداخته می‌شود. برآوردگرها بر اساس داده‌های سانسور شده نوع دوم تحت تابع زیان کراندار گامای برگردانده به دست می‌آیند. رابطه بین برآوردگرهای E-بیز و همچنین ویژگی‌های مجانبی آن‌ها ارائه می‌شوند. عملکرد برآوردگرهای ارائه شده با استفاده از شبیه‌سازی مونت کارلو مورد بررسی قرار می‌گیرند. 

---

در این مقاله، قابلیت اعتماد تنش-مقاومت یک سیستم منسجم در حالت تنش در سطح مولفه در نظر گرفته شده است.
سیستم‌های منسجم سری، موازی و رادار مورد بررسی قرار می‌گیرند. برای سیستم‌های $ 2 $-مولفه‌ای سری یا موازی و سیستم رادار، این قابلیت اعتماد بر اساس توزیع نمایی و به روش‌های ماکسیمم درستنمایی، نااریب بطور یکنواخت با کمترین واریانس و بیز، برآورد می‌شود. همچنین برای بررسی عملکرد برآوردگرها مطالعات شبیه‌سازی انجام شده‌اند و داده‌های واقعی تحلیل می‌شوند.

 

---

---

ر این مقاله اندازه‌های اکستروپی مانده و شکست تجمعی پویای چندکی معرفی می‌شوند. به منظور ارائه کاربردهایی از آن‌ها، ابتدا با بکارگیری تکنیک شبیه‌سازی از میان برآوردگرهای مختلف، برآوردگر مناسبی برای برآورد این اندازه‌ها انتخاب می‌شود. سپس براساس تساوی دو اندازه اکستروپی برحسب آماره‌های ترتیبی، توزیع‌های پیوسته متقارن مشخص‌سازی می‌گردد. در این راستا یک معیار انحراف از تقارن معرفی و چگونگی کاربرد آن در یک مثال واقعی بیان می‌شود. همچنین از میان توزیع‌های پیوسته رایج، توزیع پارتو تعمیم‌یافته و در نتیجه توزیع نمایی مشخص‌سازی شده و براساس نتایج بدست آمده معیاری جهت تشخیص نمایی بودن یک توزیع پیشنهاد می‌گردد.

 

---

در این مقاله، برآوردگر ریج،  برآوردگر محدود شده موزون  و برآوردگر ریج محدود شده موزون در مدل‌های خطی آمیخته با خطا در اندازه‌گیری در حضور هم‌خطی در نظر گرفته می‌شود. سپس ویژگی‌های مجانبی برآوردگرهای به‌دست آمده بررسی می‌شود. شرایط لازم و کافی برای برتری برآوردگر ریج محدود شده موزون نسبت به برآوردگر محدود شده موزون به منظور تعیین پارامتر ریج با استفاده از ماتریس میانگین توان‌های دوم خطا تعیین می‌شود و سرانجام با استفاده از مطالعه شبیه‌سازی و ارائه یک مثال از داده‌های واقعی عملکرد برآوردگرهای به‌دست آمده مورد ارزیابی قرار می‌گیرد.

---

در این مقاله، تحت نمونه‌های سانسور فزاینده پیوندی بهبود یافته، برآورد بیزی پارامتر قابلیت اعتماد چندمؤلفه‌ای با مؤلفه‌های مقاومت غیر یکسان در توزیع گومپرتز تعمیم‌یافته یکه، بررسی می‌شود. این مسئله در سه حالت مختلف حل شده است. در حالت اول، فرض می‌شود که متغیرهای تنش و مقاومت دارای پارامترهای غیر مشترک نامعلوم هستند. در حالت دوم  فرض می‌شود که متغیرهای تنش و مقاومت دارای دو پارامتر مشترک و یک پارامتر غیر مشترک هستند به‌طوری‌که همه این پارامترها نامعلومند. در حالت سوم، فرض می‌شود که متغیرهای تنش و مقاومت دارای دو پارامتر مشترک معلوم و یک پارامتر غیر مشترک نامعلوم هستند. در هر کدام از این حالت‌ها، برآورد بیزی پارامتر قابلیت اعتماد چندمؤلفه‌ای با مؤلفه‌های مقاومت غیر یکسان، به‌دست می‌آیند. در نهایت با روش شبیه‌سازی مونت کارلو عملکرد برآوردهای مختلف با هم مقایسه شده و نتایج روی یک سری داده واقعی پیاده‌سازی می‌شوند.

---

در این مقاله ابتدا مدل‌های سلسله مراتبی نیم-پارامتری معرفی می‌شود. سپس با ارائه نسخه جدیدی از تابع درستنمایی تجربی (تابع درستنمایی تجربی توأم مقید)، از آن برای برآورد پارامترهای انقباضی در مدل‌های سلسله مراتبی نیم-پارامتری  استفاده خواهد شد.  تحت فرض‌های مختلف کارآمدی استفاده از تابع درستنمایی تجربی توأم مقید در تحلیل مدل‌های سلسله مراتبی نیم-پارامتری با یک مطالعه شبیه‌سازی  بررسی می‌گردد. همچنین از روش معرفی شده در این مقاله برای تحلیل داده‌های تعداد تأخیر پروازهای شرکت‌های مختلف هواپیمایی استفاده خواهد شد.

---

 اغلب در بررسی‌های نمونه‌ای پاسخ ‌دهندگان از پاسخ دادن به برخی سؤالات با ماهیت حساس، خودداری می‌کنند. روش‌های پاسخ تصادفیده برای فاش نشدن راز پاسخ ‌دهنده طراحی شده‌اند. در این مقاله یک روش پاسخ تصادفیده کمی جدید معرفی شده و با انجام یک سری مطالعات شبیه‌سازی نشان می‌دهیم روش پیشنهادی نسبت به روش‌های جمعی  و  ضربی  ارجحیت دارد. سپس برآوردگر میانگین دو متغیر حساس را با استفاده از روش پاسخ تصادفیده پیشنهادی معرفی کرده و با به‌کار بردن پیشگوهای نااریب، برآوردگری برای کوواریانس بین دو متغیرحساس ارائه می‌دهیم. در یک مطالعه تجربی با استفاده از روش پیشنهادی، میانگین تعداد تقلب و میانگین میزان مصرف روزانه سیگار دانشجویان دانشگاه شهید چمران اهواز همراه با واریانس آن‌ها برآورد شده و برآوردی برای کوواریانس بین آن‌ها ارائه می‌شود. 

---

 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.

---

موضوع تشخیص  نقطه تغییر یکی از چالش برانگیزترین مسایل آماری است، زیرا تعداد و موقعیت زمانی این نقاط ناشناخته هستند. در این مقاله ابتدا به معرفی مفهوم    نقطه تغییر پرداخته و سپس برآورد پارامترها در مدل اتورگرسیو مرتبه اول  AR(1) بررسی می‌شود. به‌منظور بررسی دقت برآوردگرهای بدست آمده یک مطالعه شبیه‌سازی انجام داده و در ادامه دقت و سازگاری برآوردگرها به کمک MSE  مورد بررسی قرار  می‌گیرد. نتایج شبیه‌سازی نشان دهنده سازگاری برآوردگر پارامترهای مدل است، به این معنا که با افزایش حجم نمونه میانگین مربع خطای برآورد پارامترهای مختلف به صفر میل می‌کند. در ادامه مدل  AR(1) با نقطه تغییر به داده‌های نرخ تورم سالانه (از سال 1323 تا 1401) برازش داده و به کمک آن نرخ تورم برای سال 1402و 1403  پیش‌بینی می‌شود.