روش‌شناسی کاهش بعد بسنده یک راهکار مؤثر برای تسهیل در تحلیل رگرسیونی با داده‌های با بعد بالاست. هنگامی که پاسخ‌ها سانسور شده باشند، برآوردگرهای موجود را نمی‌توان به‌کار برد یا به شرایط محدودکننده‌ای نیاز است. در این مقاله، برای کاهش بعد داده‌های رگرسیونی سانسور شده غیرخطی، اصلاحی از روش رگرسیون وارون ورقه شده ‌نوع دو پیشنهاد شده است. روش پیشنهادی، اولاً به هیچ مدل از پیش تعیین شده‌ای نیاز ندارد، ثانیاً اطلاعات کامل رگرسیونی را حفظ کرده و مجموعه‌ کوچکی از ترکیب پیشگوها را ارائه می‌دهد که فرمول‌بندی مدل و پیش‌بینی براساس این مجموعه انجام می‌گیرد. در انتها عملکرد این روش‌، علاوه بر داده‌های شبیه‌سازی شده، برای مجموعه‌ داده‌های واقعی سیروز صفراوی اولیه‌ کبد مورد بررسی قرار گرفته و نتایج روش معرفی شده با روش رگرسیون وارون ورقه شده ‌نوع یک مقایسه شده است.

در این مقاله، به بررسی بدترین تخصیص‌ کسری‌پذیر‌ها و حدها در بیمه‌نامه‌های لایه‌ای از منظر بیمه‌گر پرداخته می‌شود. اگر n ریسک‌ مستقل و هم‌توزیع نمایی تحت پوشش بیمه‌نامه لایه‌ای قرار گیرند و مقدار حدها برابر باشند، نشان داده می‌شود بدترین تخصیص کسری‌پذیری از نگاه بیمه‌گر بردار (d,0, ..., 0) است. 

امروزه استنباط براساس نمونه‌­های سانسور شده توسط پژوهش­­‌گران زیادی مورد مطالعه قرار گرفته است. یکی از معمول‌­ترین روش‌­های سانسور، سانسور فزاینده نوع دو از راست است.  در این روش از سانسور، n‎ واحد در آزمایش قرار می­‌گیرند و در زمان از کارافتادگی هر واحد تعدادی از واحدهای باقیمانده از آزمایش خارج می‌شوند. این کار ادامه می‌یابد تا به ازای یک مقدار از قبل تعیین شده مانند ‎m، زمان‌های از کارافتادگی m واحد ثبت شوند و سپس آزمایش خاتمه می­‌یابد. برای تعیین بهترین تعدادی که در ابتدا برای واحدهای تحت آزمایش قرار می‌گیرند معیارهای متفاوتی می‌توان در نظر گرفت که یکی از مهم‌ترین آن‌ها معیار هزینه است. در این مقاله با در نظر گرفتن تابع هزینه و توزیع وایبل برای طول عمر داده‌های مورد بررسی و طرح‌های سانسور مختلف، به تعیین بهترین مقدار برای اندازه نمونه اولیه یعنی ‎n پرداخته می‌شود. به‌منظور ارزیابی نتایج بدست آمده یک مثال عددی براساس داده‌های واقعی ارائه شده‌‌ است.

مدل نرخ خطر متناسب تعدیل شده به عنوان یکی از خانواده‌های انعطاف‌پذیر در قابلیت اعتماد و تحلیل بقا و مقایسه‌های تصادفی سیستم‌های (n-k+1) از n در این خانواده از توزیع‌ها، توسط بالاکریشنان و همکاران (2018) معرفی شده است.  در این مقاله، حالت گسسته  برای تابع بقای پایه در این مدل در نظر گرفته شده و به خواص سالخوردگی و  حفظ شدن ترتیب تصادفی معمولی، نرخ خطر و نسبت درستنمایی در این خانواده از توزیع‌ها پرداخته شده است. 

خانواده توزیع‌های آلفا-پایدار از دو خاصیت چولگی و سنگینی دم برخوردار بوده و در نتیجه به‌طور گسترده‌‌ای در حوزه‌های مطالعاتی متعددی مورد استفاده قرار می‌گیرد. متاسفانه، برای تقریبا همه اعضای این خانواده، تابع چگالی با شکل تحلیلی وجود ندارد و در نتیجه یافتن برآوردگرهای ماکسیمم درستنمایی پارامترهای این توزیع به یک مسئله چالشی بدل شده است. در این مقاله، به‌منظور برطرف کردن این مشکل، نوعی الگوریتم ‎EM‎ پیشنهاد می‌شود. کارایی این الگوریتم به کمک شبیه‌سازی و همچنین تحلیل سه دسته از داده‌های واقعی مورد بررسی قرار خواهد گرفت.