---

در این مقاله ابتدا به معرفی فاصله های p-تحمل با کمترین زیان پسین پرداخته و سپس به کمک تابع زیان توان دوم خطا و استفاده از سه روش متوسط طول، متوسط همگرائی و بدترین برآمد به محاسبه اندازه نمونه برای برآورد پارامتر ɵدر توزیع نرمال با توزیع پیشین نرمال پرداخته می شود.

---

در برخی از مسئله های کاربردی، به دست آوردن مشاهدات اغلب زمان بر و با صرف هزینه همراه می باشد. در چنین شرایطی استفاده از یک روش نمونه گیری که موجب کاهش هزینه ها و افزایش کارآیی برآوردگرها شود، حائز اهمیت است. در این گونه موارد روش نمونه گیری مجموعه رتبه دار جایگزین مناسبی به جای روش نمونه گیری تصادفی ساده به نظر می رسد. در این مقاله برآورد بیزی پارامتر توزیع پارتو تحت توابع زیان توان دوم خطا و لاینکس، زمانی که داده ها به شیوه نمونه گیری مجموعه رتبه دار جمع آوری شده باشد، مورد بررسی قرار گرفته است. به کمک شبیه سازی مونت کارلو مخاطره بیزی برآوردگرها محاسبه و در دو روش نمونه گیری تصادفی ساده و نمونه گیری مجموعه رتبه دار هنگامی که از توزیع مزدوج و جفریر به عنوان توزیع پیشین استفاده شود، مقایسه شده اند. در انتها با ارائه مثال واقعی برآوردگرهای به دست آمده ارزیابی شده اند. نتایج به دست آمده حاکی از برتری روش نمونه گیری مجموعه رتبه دار است، بنابراین توصیه می شود اگر شرایط برای انجام نمونه گیری مجموعه رتبه دار فراهم باشد، از این طرح نمونه گیری استفاده شود

---

 در این مقاله فرض می‌شود نرخ ورود متقاضیان به سیستم صف‌بندی M/M/c دارای توزیع نمایی با پارامتر $lambda$ و نرخ سرویس متقاضیان دارای توزیع نمایی با پارامتر $mu$ و مستقل از نرخ ورود است. همچنین فرض می‌شود سیستم تا زمان T (زمان توقف) فعال است. تحت این زمان توقف، برآورد ماکسیمم درستنمایی و برآورد بیزی تحت تابع‌های زیان آنتروپی عمومی و توان دوم خطای موزون و همچنین تحت توزیع پیشین آگاهی‌بخش و ناآگاهی بخش، پارامتر شدت ترافیک و احتمال پایایی سیستم M/M/c به دست آورده می‌شوند. سپس برآوردگرهای به دست آورده شده، به کمک روش شبیه‌سازی مونت‌کارلو و یک مثال عددی با هم مقایسه می‌شوند، تا برآوردگر مناسب‌تر تعیین شود.