---

در این مقاله، برآوردیابی برای پارامتر توزیع لیندلی اصلاح شده بر اساس داده‌های سانسور شده فزاینده نوع دو مورد مطالعه قرار گرفته است. برآورد ماکسیمم درستنمایی، برآورد به روش محوری و برآورد بیزی پارامتر با دو روش تقریب لیندلی و مونت کارلو زنجیر مارکوف محاسبه شده‌ است. بازه‌های اطمینان مجانبی، محوری، بوت استرپ و بیزی ارائه شده است. یک مطالعه شبیه‌سازی مونت کارلو برای ارزیابی و مقایسه عملکرد روش‌های مختلف برآورد انجام شده است. همچنین، برای تشریح بیشتر روش‌های برآورد معرفی شده دو مثال واقعی ارائه شده است.

---

مطالعه مدل‌های متنوع در نظریه صف لازم است تا بهره‌وری سیستم‌های صف‌بندی افزایش یابد. در این مقاله از خانواده مدل‌های {E_r/M/c; r,cin N}، مدل E_r/M/3 معرفی می‌شود و کمیت‌هایی مانند توزیع تعداد متقاضیان (مشتریان) در سیستم، متوسط تعداد متقاصیان در صف و سیستم و متوسط زمان انتظار در صف و سیستم یک متقاضی به دست آورده می‌شوند. به دلیل نقش ویژه پارامتر شدت ترافیک در معیارهای ارزیابی عملکرد سیستم‌های صف‌بندی، برآورد آن به روش‌های بیز، E-بیز و بیز سلسله‌مراتبی تحت تابع زیان آنتروپی عمومی و بر اساس زمان توقف سیستم، به دست آورده می‌شود و سپس بر اساس برآوردگر E-بیز، برآوردی جدید برای پارامتر شدت ترافیک معرفی می‌گردد که در این مقاله برآورد E^2-بیز نامیده می‌شود.  بنابر این در بین برآوردگرهای بیز، E-بیز، بیز سلسله‌مراتبی و برآوردگر جدید، برآوردگری که بتواند متوسط مدت زمان انتظار در صف مشتری را کاهش دهد در این مقاله به عنوان برآوردگر مطلوب پارامتر شدت ترافیک در نظر گرفته می‌شود. همچنین با استفاده از روش شبیه‌سازی مونت‌کارلو و به کمک یک مجموعه داده‌های واقعی برتری برآوردگر جدید نسبت به سایر برآوردگرهای ذکر شده در مقاله نشان داده می‌شود.

---

این مطالعه به بررسی توزیع انرژی موجک در سیستم‌های فراکتالی بالا-فرکانس و تحلیل ویژگی‌های آن با استفاده از معیارهای نظریه اطلاعات می‌پردازد. نوآوری اصلی این مقاله، مدل‌سازی توزیع انرژی موجک ($p_j$) با استفاده از توزیع هندسی بریده‌شده و ادغام مفهوم اکستروپی برای اندازه‌گیری پیچیدگی سیستم است. نشان داده می‌شود که این توزیع به شدت تحت تأثیر پارامتر فراکتالی α و تعداد سطوح تجزیه M قرار دارد. این پژوهش با محاسبه آنتروپی و اکستروپی موجک، به ترتیب به عنوان معیارهای بی‌نظمی و اطلاعات، به تحلیل کمی پیچیدگی این سیستم‌ها می‌پردازد. مقاله به بررسی خصوصیات این توزیع، از جمله همگرایی آن به توزیع‌های هندسی، یکنواخت و دژنره در شرایط حدی (مانند $M to infty$ یا $alpha to 0$) می‌پردازد. نتایج نشان می‌دهد که آنتروپی و اکستروپی ابزارهای مکملی برای توصیف کامل رفتار سیستم هستند؛ در حالی که آنتروپی بی‌نظمی را اندازه‌گیری می‌کند، اکستروپی میزان اطلاعات و قطعیت را نشان می‌دهد. این رویکرد، چارچوب نوینی برای تحلیل سیگنال‌های واقعی با پارامترهای متغیر فراهم می‌کند و می‌تواند در تحلیل سیگنال‌های فراکتالی و مدل‌سازی سیستم‌های پیچیده در زمینه‌هایی مانند مالی و زیست‌شناسی به کار رود.
 برای اعتبارسنجی نظریه‌ها، سیگنال‌های فراکتالی مصنوعی (حرکت براونی کسری) با پارامترهای مختلف فراکتالی ($alpha$) و سطوح تجزیه ($M$) شبیه‌سازی شدند. نتایج عددی نشان می‌دهد که آنتروپی موجک به‌طور قابل توجهی با افزایش سطوح تجزیه  افزایش می‌یابد، در حالی که اکستروپی رشد کمتری داشته و در سطوح بالاتر به حالت اشباع می‌رسد. این یافته‌ها، اهمیت انتخاب سطح تجزیه مناسب را برجسته می‌کنند. این چارچوب ترکیبی، ابزار قدرتمندی برای تحلیل و مدل‌سازی سیستم‌های پیچیده و غیرایستا در حوزه‌هایی مانند مالی و زیست‌شناسی فراهم می‌کند.