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.

یکی از مسائل مهم پیش بینی وضع آینده سیستم یا فرایندهایی است که با گذشت زمان در حال تغییرند. در چنین شرایطی علاوه بر متغیرها امکان دارد پارامترها نیز در حال تغییر باشند و از این رو فرض استقلال برای پارامترها و متغیرها از بین می رود. برای تحلیل چنین سیستمی معمولا از مدل های خطی پویای تعمیم یافته استفاده می شود. هدف این مقاله، به کارگیری مدل های خطی پویای تعمیم یافته بیزی در تحلیل ساختارهای گسسته غیرمزدوج بر پایه الگوریتم مونت کارلوی زنجیر مارکوفی است. پس از ارائه مبانی نظری موضوع، با بهره گیری از مدلی که پارامترهای پویای آن از فرایند اتورگرسیو پیروی می کند و ابزارهای سودمندی که مدل های خطی پویای تعمیم یافته بیزی در اختیار ما قرار می دهند، به تحلیل فعالیت اقتصادی طی سال های 1385 تا 1387 در سه استان کشور پرداخته می شود.

در این مقاله روشی را برای دستیابی به طرح بلوکی ناقص E -بهینه برای مقایسه تیمارهای آزمایش با تیمار کنترل تحت این فرض که مشاهدات درون بلوک ها همبسته اند، ارائه می دهیم. سپس الگوریتمی برای ساختن طرح بهینه بیان می شود که برای هر ساختار همبستگی با درایه های غیرقطی نامثبت قابل استفاده است.

در این مقاله انواع مدل های اتورگرسیو برای تحلیل داده های فضایی بیان شده و پارامترهای مدل ها با ماکسیمم کردن تابع درستنمایی نیمرخ با فرض آن که بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو فضایی  برقرار باشد، برآورد شده است. سپس مدل های مختلف مورد ارزیابی قرار گرفته و در انتها نحوه کاربست آنها در مثالی کاربردی نشان داده شده است

مدل‌های تحلیل بقا معمولا براساس فرض همگن بودن جامعه مورد مطالعه قرار می گیرند. این در حالی است که به دلیل اثرات تصادفی فردی غیرقابل مشاهده، چنین فرضی اغلب واقع گرایانه نیست. در واقع عدم در نظر گرفتن اثرات فردی در تحلیل بقا منجر به نتایج غیرواقعی می‌شود. لذا در این حالت مدل‌های آمیخته با اثرات تصادفی پیشنهاد می‌شوند که در تحلیل بقا به مدل‌های شکنندگی مشهور هستند. در این مقاله توزیع خانواده واریانس توانی به عنوان خانواده کلی و توزیع‌های گاما و وارون گاوسی به عنوان دو حالت خاص برای اثرات شکنندگی تصادفی معرفی و ارزیابی می‌شوند. سپس با استفاده از مدل‌های شکنندگی پارامتری خطرات متناسب با توزیع وایبل برای مخاطره پایه و توزیع گاما و وارون گاوسی برای اثرات شکنندگی، داده‌های مربوط به بقای مبتلایان به سرطان کولورکتال تحلیل شده‌اند

 به کارگیری متغیرهای کمکی برای اصلاح برآوردگرها روشی متداول در آمار و به خصوص بررسی های نمونه ای است. به عنوان مثال می توان به برآوردگرهای نسبتی و رگرسیونی در نمونه گیری اشاره کرد. با فرض معلوم بودن مجموع جامعه کمکی و برقرار بودن یک سری شرایط، برآوردگرهای کالیبره و واریانس آنها را می توان با استفاده از برآوردگرهای رگرسیونی تعمیم یافته به دست آورد. در این مقاله، با فرض نامعلوم بودن مجموع متغیر کمکی در جامعه، برآوردگر کل و واریانس آن در جامعه هدف با روش رگرسیون تعمیم یافته به دست آورده می شود. سپس نشان داده می شود برآوردگر ارائه شده برای مجموع کل جامعه از نظر کارایی بهتر از برآوردگر هورویتز تامپسون است. آنگاه نظریه به دست آمده با شبیه سازی به روش مونت کارلو زنجیر مارکوفی در طرح نمونه گیری طبقه بندی مورد بررسی قرار می گیرد.

هدف این مقاله معرفی یک مدل تعمیم یافته برای توزیع توأم متغیرهای اسمی، ترتیبی و پیوسته برای با و بدون داده گم شده است. فرم های بسته ای برای تابع درستنمایی مربوط به مدل های مکانی عام ارائه می شود. همچنین تقریب جو، برای براورد پارامترهای مدل مکانی عام با پاسخ های اسمی، پیوسته و ترتیبی با و بدون داده های گم شده به کار برده شده است. برای نشان دادن قابلیت مدل های پیشنهادی، مطالعات شبیه سازی انجام شده است. همچنین مدل های ارائه شده بر روی داده های واقعی مربوط به آموزش زبان خارجی مورد تحلیل قرار گرفته است

توزیع چوله نرمال، یکی از توزیع های مهم در تحلیل داده های غیرنرمال است. از آنجایی که تابع چگالی توزیع چوله نرمال حاوی تابع انتگرال است محاسبه تابع چگالی  این توزیع در رهیافت بیزی است در این مقاله با استفاده از تعریف شرطی توزیع چوله نرمال روشی برای برآورد بیزی پارامترهای این توزیع ارائه شده است. سپس در مطالعه ای شبیه سازی دقت این روش با روش معمولی مورد مقایسه قرار گرفته است

روش های استنباط متعددی برای شبکه های ژنی وجود دارد، ولی در همه آن ها تنها از اطلاعات نمونه استفاده می شود و کمتر مواردی وجود دارد که از اطلاعات گذشته یا اطلاعات موازی استفاده شده باشد. در این پژوهش به استنباط بیزی شبکه های ژنی پرداخته می شود. تلاش می شود از اطلاعات موجود در قالب یک الگوی بیزی استفاده شود. بدیهی است با به کارگیری توزیع پیشین مناسب و توجه به عدم استقلال پارامترهای موجود در شبکه های ژنی تعیین الگویی مورد نظر است که بتوان نتایج بهتری را نسبت به اطلاعات گذشته و نیز اطلاعات موجود در نمونه ها به دست آورد. به علاوه ابر پارامترها به دو روش برآورد می شوند و نتایج آن در یک مطالعه شبیه سازی مبتنی بر نمونه گیری گیبز مورد بررسی قرار گرفته، معایب و مزایای هر یک از آن ها بیان خواهند شد

امروزه استفاده از روش های مختلف نمونه گیری بر اساس طرح سانسورهای متفاوت در مطالعات مربوط به طول عمر سیستم های مهندسی و آزمایش های صنعتی اهمیت ویژه ای پیدا کرده است. در این مقاله مدل تطبیقی از سانسور فزاینده نوع 1 معرفی شده است. فرض شده است تعداد شی هایی که در یکی از مراحل آزمایش خارج می شوند، متغیری تصادفی و وابسته به زمان  و بردار رخدادها و همچنین تعداد سانسور شده های قبلی باشد. نتایج توزیعی در حالت کلی به صورت تحلیلی و صریح به دست آمده است. نشان داده شده است برآوردگر درستنمایی ماکسیمم بر اساس طرح جدید منطبق با سانسور فزاینده نوع 1 معمولی است . در پایان مقاله برای تشریح بیشتر و مقایسه، مطالعه شبیه سازی برای توزیع نمایی یک پارامتری انجام شده است

یکی از موضوع های مورد توجه در بررسی کارایی یک بازار مالی، وجود ویژگی حافظه بلند مدت است. برای یک سری زمانی مالی ممکن است این ویژگی در تلاطم نمود پیدا کند. یکی از روش های شناسایی و مدل بندی حافظه بلند مدت در تلاطم، استفاده از مدل های ناهمگنی شرطی خودهمبسته تعمیم یافته انباشته کسری  است. در این مقاله به شناسایی و مدل بندی حافظه بلند مدت در تلاطم داده های نرخ ارز پرداخته می شود. با توجه به خصوصیات آماری چولگی، دم کلفتی و بیش کشیدگی داده ها، فرض نرمال بودن مانده ها معنی دار نیست و نمی توان از روش های معمول به شناسایی مدل پرداخت. با توجه به ساختار داده ها توزیع وارون گاوسی  یک انتخاب مناسب برای توزیع مانده ها است. بنابراین با این فرض به شناسایی مجدد مدل پرداخته می شود. نتایج نشان می دهند، مدل ناهم واریانس شرطی خودهمبسته تعمیم یافته انباشته کسری با توزیع وارون گاوسی انتخابی مناسب برای داده ها است

مدل سازی داده های دوسطحی با فرض نرمال بودن مولفه تصادفی و خطا انجام می شود. عدم برقراری این فرض باعث استنباط غلط در مورد پارامترهای مدل می گردد. در این مقاله، استفاده از خانواده توزیع چوله نرمال که خانواده ای انعطاف پذیرتر از توزیع نرمال است مطرح می شود. سپس در یک مطالعه شبیه سازی نشان داده می شود عدم در نظر گرفتن چولگی مثبت (منفی) در مدل باعث بیش برآوردی (کم برآوردی) عرض از مبدا و کم برآوردی (بیش برآوردی) شیب مدل می گردد سپس با مدل به دست آمده رابطه نوبت کاری و کلسترول خون تعیین می شود