---

نحوه برخورد با داده‌های گم‌شده یکی از مسائلی است که اغلب محققان با آن روبرو هستند. جانهی چندگانه با استفاده از معادله‌های زنجیره‌ای یکی از رایج‌ترین و انعطاف‌پذیرترین روش‌ها برای جانهی است.  از دیدگاه تئوری، هر مدل جانهی می‌تواند  برای پیش‌بینی مقادیر داده‌های گم‌شده استفاده شود اما اگر مدل‌های پیشگویی نادرست باشند می‌تواند منجر به برآوردهای اریب و استنباط‌های نامعتبر شود. یکی از جدیدترین راه‌حل‌ها برای برخورد با داده‌های گم‌شده، روش‌ ترکیبی یادگیری ماشین و ابریادگیرنده است. در این مقاله،  چند شبیه‌سازی‌ برای نشان دادن رویکرد بهتر این روش از نظر اریبی کمتر و همگرایی بهتر برآورد پارامتر نهایی نسبت به  روش‌های جانهی رایج ارائه شده است.  همچنین، به پیاده‌سازی برخی روش‌های یادگیری ماشین و یک الگوریتم ترکیبی از ابریادگیرنده، روی داده‌های کارگاه‌های صنعتی  پرداخته شده است که در آن جانهی متغیرهای مختلف در داده‌ها به‌طور همزمان صورت می‌گیرد. همچنین به ارزیابی روش‌های مختلف  و معرفی روش دارای عملکرد برتر، پرداخته شده است.

---

در این مقاله، طرح‌ بازرسی چندبار نمونه‌گیری پذیرش انباشته‌ها تحت سانسور نوع اول وقتی طول عمر محصولات دارای توزیع q-نمایی تی سالیس باشد مورد بررسی قرار می‌گیرد. طرح بازرسی چندبار نمونه‌گیری، معرفی شده و مولفه‌های آن به همراه متوسط تعداد نمونه بهینه و مقدار مشخصه عملکرد طرح، تحت مقادیر مشخص پارامتر توزیع و مخاطره‌های مصرف‌کننده و تولید‌‌کننده با استفاده از یک مساله برنامه‌ریزی غیرخطی محاسبه می‌شوند. مقایسه نتایج طرح معرفی شده با طرح بازرسی یک بار نمونه‌گیری بهینه، نشان‌دهنده کارایی طرح چندبار نمونه‌گیری نسبت به طرح یک‌بار نمونه‌گیری است. همچنین طرح چندبار نمونه‌گیری با محدودیت ترکیب خطی از مخاطره تولیدکننده و مصرف‌کننده معرفی شده و با طرح موجود مقایسه می‌شود. نتایج طرح معرفی شده در قالب جداول و نمودارها نشان می‌دهد که این طرح دارای ASN کمتر و در نتیجه کارایی بیشتری در مقایسه با طرح موجود است. از یک مثال کاربردی در صنعت نساجی برای کاربست نتایج طرح‌های معرفی شده استفاده می‌شود.

---

رده‌بندی داده‌های شکل یکی از مسائل مهم در تحلیل آماری اشکال و یادگیری ماشین است. در این مقاله، یک مدل رگرسیون چندجمله‌ای لوژستیک بر اساس توصیف‌گرهای شکل برای رده‌بندی پیکربندی‌های برچسب‌دار معرفی شده است. در این مدل، متغیرهای توضیحی شامل مجموعه‌ای از توصیف‌گرهای هندسی مانند مساحت، کشیدگی، تحدب و دایره‌ای بودن بوده و متغیر پاسخ نشان‌دهنده‌ی رده هر پیکربندی است. استفاده از این توصیف‌گرها امکان حفظ اطلاعات هندسی ضروری را فراهم کرده و دقت رده‌بندی را بهبود می‌بخشد. مدل پیشنهادی در این مقاله با استفاده از داده‌های شبیه‌سازی‌شده و مجموعه داده‌های واقعی مورد ارزیابی قرار گرفته است.  نتایج حاصل نشان دهنده‌ی عملکرد مناسب مدل است. علاوه‌بر این، روش پیشنهادی با یکی از  روش‌های موجود در نوشتگان مقایسه شد و نتایج حاکی از برتری آن در دو معیار دقت رده‌بندی  و سادگی محاسباتی بود.

---

در این مقاله، رویکردی جدید برای پیش‌بینی یک دنباله زمانی از توابع چگالی احتمال ارائه می‌شود که بر اساس تحلیل مجموعه مقادیر تکین‌ تابعی توسعه یافته است. این رویکرد با هدف تحلیل سری‌های زمانی تابعی و رفع محدودیت‌های موجود در پیش‌بینی توابع چگالی، مانند غیرمنفی بودن و انتگرال واحد توابع چگالی، معرفی شده است. در این مقاله ابتدا با معرفی تبدیل‌های مناسب، سری زمانی توابع چگالی را به یک سری زمانی تابعی تبدیل کرده و سپس از تحلیل مجموعه مقادیر تکین‌ تابعی برای پیش‌بینی سری‌های زمانی تابعی جدید استفاده می‌شود و در نهایت، توابع پیش‌بینی شده با تبدیل عکس، به فضای توابع چگالی بر می‌گردند. در نهایت روش پیشنهادی با استفاده از داده‌های واقعی شامل چگالی تصاویر ماهواره‌ای ارزیابی می‌شود.

---

در پژوهش‌های آماری، طرح‌های آزمایش، برای بررسی اثر متغیرهای کنترل بر پاسخ‌های خروجی به‌کار می‌روند. این روش‌ها مبتنی بر فرض نرمال‌بودن توزیع داده‌ها بوده و در مواجهه با نقاط دورافتاده با چالش‌های اساسی مواجه می‌شوند. مطالعه حاضر به مقایسه پنج رویکرد مختلف علاوه بر روش کلاسیک طرح آزمایش برای مقابله با این چالش می‌پردازد: روش‌های مقاوم‌سازی شامل هوبر، دو مربعی، میانگین جایگزین،  رتبه‌بندی و رگرسیون فازی.  با ارائه شواهد تجربی از داده‌های واقعی رشد گیاهچه و کیفیت جوشکاری، نشان داده می‌شود رگرسیون فازی می‌تواند به‌عنوان جایگزینی کارآمد برای روش‌های متداول در شرایط وجود نقاط دورافتاده مورد استفاده قرار گیرد. نتایج حاکی از آن است که رویکرد فازی نه‌تنها از روش کلاسیک طرح آزمایش، بلکه از روش‌های مقاوم‌سازی استاندارد نیز در مواجهه با داده‌های دورافتاده عملکرد بهتری دارد.

---

محققان با ساخت یک خانواده تعمیم‌یافته از توابع توزیع به دنبال یافتن مدل‌های آماری جدیدی هستند که بتوانند داده‌ها را در موضوعات مختلف نظیر مدیریت ریسک، اقتصاد و بیمه به خوبی برازش کنند. در این مقاله، یک توزیع جدید به نام توزیع لگ لوژستیک  نمایی توسعه‌یافته معرفی می‌شود که جزو توزیع‌های دم‌سنگین است. برخی ویژگی‌های آماری این توزیع از جمله گشتاورها، تابع مولد گشتاور، آنتروپی و منحنی‌های نابرابری  اقتصادی به دست آمده اند. شش روش برآوردیابی برای برآورد پارامترهای مدل معرفی شده و عملکرد برآوردگرهای پارامترهای مدل پیشنهادی با استفاده از مجموعه داده‌های تصادفی و این روش‌های برآورد بررسی شده است. علاوه بر این، برخی معیارهای بیمه‌ای نظیر ارزش در معرض خطر، ارزش در معرض خطر دمی، واریانس دمی و حق بیمه واریانس دمی  محاسبه شده‌اند. در نهایت، دو  مجموعه داده واقعی از حوزه بیمه به کار گرفته شده‌اند تا نشان داده شود که مدل پیشنهادی چگونه داده‌ها را نسبت به بسیاری از مدل‌های شناخته‌شده و مرتبط، بهتر برازش می‌دهد.