[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
اطلاعات نشریه::
آرشیو مجله و مقالات::
ثبت نام و اشتراک::
ارسال مقاله::
پایگاه‌های مرتبط::
برای داوران::
اخلاق در پژوهش::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
Google Scholar Metrics

Citation Indices from GS

AllSince 2020
Citations4817
h-index32
i10-index00
..
ثبت شده در

AWT IMAGE


..
نماد اعتماد الکترونیکی
..
آمار نشریه
تعداد دوره های نشریه: ۱۹
تعداد شماره ها: ۳۸
تعداد مشاهده ی مقالات: ۳۵۱۰۳۷۲
تعداد دریافت (دانلود) مقالات: ۹۵۶۳۶۸

مقالات دریافت شده: ۸۶۷
مقالات پذیرفته شده: ۳۶۳
مقالات رد شده: ۴۹۲
مقالات منتشر شده: ۳۶۰

نرخ پذیرش: ۴۱,۸۷
نرخ رد: ۵۶,۷۵

میانگین دریافت تا پذیرش: ۴۰۰ روز
میانگین دریافت تا اولین داوری: ۵,۷ روز
میانگین پذیرش تا انتشار: ۵۱۰,۲ روز
____
..
:: جستجو در مقالات منتشر شده ::
۵ نتیجه برای میدان تصادفی

فاطمه حسینی، الهام همایون فال،
جلد ۱۰، شماره ۲ - ( ۱۲-۱۳۹۵ )
چکیده

برای مدل بندی پاسخ های فضایی که در طول زمان مشاهده می شوند گاهی از مدل های سلسله مراتبی فضایی- زمانی استفاده می شود که در آن ساختار همبستگی فضایی –زمانی داده ها توسط یک میدان تصادفی پنهان گاوسی با تابع کوواریانس فضایی ماترن‎ ‏در نظر گرفته می‌شود. یکی از اهداف مهم در بررسی این مدل‌ها برآورد پارامترها و متغیرهای پنهان و پیشگویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این مقاله برای تحلیل این مدل‌ها، ابتدا رهیافت بیزی معمولی ارائه می شود. به دلیل پیچیدگی توزیع های پسین و توزیع های شرطی کامل این مدل ها و استفاده از نمونه های مونت کارلویی در تحلیل بیزی معمولی، زمان محاسبات بسیار طولانی است. برای رفع این مشکل میدان تصادفی پنهان گاوسی با تابع کوواریانس ماترن‎، به صورت یک میدان تصادفی مارکوفی گاوسی در نظر گرفته می‌شود. برای تولید داده از این میدان تصادفی مارکوفی گاوسی از رهیافت معادلات دیفرانسیل جزیی تصاد‎‏فی می توان استفاده کرد. سپس از روش بیز تقریبی و تقریب لاپلاس آشیانی جمع بسته‎ برای به دست آوردن‎‎ یک تقریب دقیق از توزیع‌های پسین و استنباط‌ها پیرامون مدل استفاده می‌شود. در نهایت در این مقاله یک مجموعه داده واقعی مربوط به میزان بارندگی استان سمنان در سال ۱۳۹۱، اندازه گیری شده در ایستگاه های هواشناسی این استان با مدل و روش های ارائه شده مورد مطالعه قرار می گیرد. 

کیومرث مترجم،
جلد ۱۵، شماره ۲ - ( ۱۲-۱۴۰۰ )
چکیده

با توجه به سرعت بالای شیوع بیماری ناشی از ویروس کرونا به نظر می‌رسد انتقال این بیماری تا حد بسیار زیادی متاثر از موقعیت مکانی افراد آلوده به ویروس است. از زمان آغاز پاندمی، مدل‌های زیادی برای تحلیل زمان بقای بیماران مبتلا به این ویروس استفاده شده است. چون یکی از عوامل مهم خطر، همبستگی فضایی بین زمان‌های بقا است، برای وارد کردن این اثر در مدل بقا، عموماً از یک میدان تصادفی گاوسی استفاده می‌شود. اما فرض گاوسی بودن اثرات تصادفی به دلیل چولگی توزیع زمان بقای بیماران در عمل مطابق با واقعیت نیست. در این مقاله با در نظر گرفتن اثرات تصادفی چوله گاوسی یک مدل بقای فضایی جدید معرفی شده و با تعیین تابع درستنمایی، پارامترهای آن برآورد شده است. سپس در قالب یک مطالعه شبیه‌سازی عملکرد مدل پیشنهادی مورد ارزیابی قرار گرفته است. در خاتمه نحوه کاربست مدل معرفی شده برای تحلیل داده‌های زمان بقای بیماران مبتلا به کووید-۱۹  ارائه شده است.


اسحاق الماسی، مهدی امیدی،
جلد ۱۵، شماره ۲ - ( ۱۲-۱۴۰۰ )
چکیده

تعیین بهترین پیشگوی فضایی برای مقادیر گمشده یکی از مسائل مهم در آمار فضایی به‌شمار می‌رود. در این راستا روش‌های مختلفی مطرح شده است که هر کدام از آن‌ها دارای مزیت و محدودیت‌هایی در کاربرد هستند. بر اساس روش کریگیدن بهترین پیشگوی خطی به‌دست می‌آید، اما این روش  برای میدان تصادفی گاوسی مناسب است. نامشخص بودن توزیع میدان تصادفی، محققین را ملزم به استفاده از روش‌هایی می‌کند که بر اساس آن‌ها امکان پیشگویی ناگاوسی میسر شود. در این مقاله با استفاده از قضیه تصویر یک روش ناپارامتری برای پیشگویی میدان تصادفی ارایه می‌شود  و بر مبنای آن  پیشگوی میدان‌ ناگاوسی بر اساس نزدیکترین همسایه‌ها معرفی  می‌شود. در ادامه در یک مطالعه شبیه‌سازی میزان دقت  این روش مورد ارزیابی قرار می‌گیرد. در پایان نیز نحوه کاربست روش‌ معرفی شده در پیشگویی داده‌های بارندگی در استان خوزستان نشان داده می‌شود.


امید کریمی، فاطمه حسینی،
جلد ۱۵، شماره ۲ - ( ۱۲-۱۴۰۰ )
چکیده

میدان تصادفی گاوسی معمولا برای تحلیل داده‌های فضایی به‌کار گرفته می‌شود. از ویژگی‌های مهم این میدان تصادفی دارا بودن خواص مهم خانواده توزیع‌های نرمال از جمله بسته بودن تحت تبدیلات خطی، حاشیه‌سازی و شرطی‌کردن است که باعث خاصیت سازگاری حاشیه‌ای می‌شود. به‌طور مشابه برای مدل‌بندی داده‌های فضایی چوله از میدان تصادفی چوله گاوسی استفاده می‌شود. هرچند توزیع چوله نرمال خیلی از خواص توزیع نرمال را داراست اما در بعضی تعریف‌های میدان تصادفی چوله گاوسی، خاصیت سازگاری حاشیه‌ای برقرار نیست. در این مقاله یک میدان تصادفی چوله ‌گاوسی مانا معرفی و خاصیت سازگاری حاشیه‌ای آن بررسی می‌شود. سپس تشخیص مدل همبستگی فضایی  این میدان تصادفی چوله  با استفاده از تغییرنگار تجربی مورد تحلیل قرار می‌گیرد. همچنین تحلیل درست‌نمایی پارامترهای میدان تصادفی معرفی شده با یک مطالعه شبیه‌سازی بیان و در انتها بحث و نتیجه‌گیری ارائه می‌شود.


فاطمه حسینی، امید کریمی،
جلد ۱۸، شماره ۱ - ( ۶-۱۴۰۳ )
چکیده

  برای مدل‌بندی داده‌های رسته‌ای فضایی از مدل‌های آمیخته خطی تعمیم‌یافته فضایی     استفاده می‌شود که در این مدل‌ها اغلب متغیرهای پنهان که بیان‌گر همبستگی فضایی هستند، با یک میدان تصادفی گاوسی مدل‌بندی می‌شوند. عدم برقراری فرض گاوسی باعث تاثیر روی دقت پیش‌گویی‌ها و برآورد پارامترهای مدل می‌شود. در این مقاله با استفاده یک میدان تصادفی چوله گاوسی مانا و به‌کارگیری یک رهیافت بیزی تقریبی، مدل‌های آمیخته خطی تعمیم‌یافته فضایی مدل‌بندی و برآورد می‌شوند. در یک مثال شبیه‌سازی کارایی مدل و رهیافت بیزی تقریبی بررسی  و بر روی یک مثال واقعی پیاده‌سازی می‌شود.

صفحه 1 از 1     

مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences

Persian site map - English site map - Created in 0.06 seconds with 37 queries by YEKTAWEB 4714