[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: ۳۴۵۲۶۵۶
تعداد دریافت (دانلود) مقالات: ۹۳۳۰۶۰

مقالات دریافت شده: ۸۶۴
مقالات پذیرفته شده: ۳۶۲
مقالات رد شده: ۴۹۱
مقالات منتشر شده: ۳۵۹

نرخ پذیرش: ۴۱,۹
نرخ رد: ۵۶,۸۳

میانگین دریافت تا پذیرش: ۴۰۱ روز
میانگین دریافت تا اولین داوری: ۵,۷ روز
میانگین پذیرش تا انتشار: ۵۱۰,۲ روز
____
..
:: جستجو در مقالات منتشر شده ::
۲ نتیجه برای ناوردایی

مهدی شمس، مهدی عمادی، ناصر رضا ارقامی،
جلد ۵، شماره ۲ - ( ۱۲-۱۳۹۰ )
چکیده

در این مقاله رده تمام توابع هموردا مشخص می شود و دو شرط برای اثبات وجود برآوردگرهای هموردا ارائه میگردد. روش لهمن که رده تمام توابع هموردا را در خانواده مکان و مقیاس برحسب یک تابع هموردای داده شده و یک تابع ناوردا بیان شده است برای گروهی دلخواه تعمیم داده می شود. این روش تعمیم یافته کاربردهایی در ریاضی دارد، اما برای این که در آمار مفید باشد با یک تابع مناسب ترکیب می شود تا یک برآوردگر هموردا ساخته شود. این روش برای گروه های به طور یکتا انتقالی مورد استفاده قرار می گیرد، اما خوشبختانه اکثر مثال های آماری به این فرم است و برای گروه های دیگر برآوردگر هموردا به طور مستقیم به دست آورده می شود


سکینه دهقان، محمدرضا فریدروحانی،
جلد ۱۵، شماره ۲ - ( ۱۲-۱۴۰۰ )
چکیده

تابع ژرفا  با در نظر گرفتن ویژگی‌های هندسی مجموعه داده‌های چندمتغیره و رتبه‌بندی مشاهدات  ابزار مناسبی را در آمار ناپارامتری چندمتغیره فراهم آورده است. به عبارت دیگر، این تابع منجر به مرتب‌سازی از مرکز به بیرون نقاط چندمتغیره می‌شود. از آن‌جا که دورافتادگی نقاط به طور اجتناب‌ناپذیری وابسته به ترتیب داده‌ها است، این مرتب‌سازی می‌تواند راهی برای شناسایی نقاط دورافتاده فراهم کند. در این مقاله، بر اساس مفهوم تابع ژرفا، یک روش ناوردای آفین برای شناسائی نقاط دورافتاده چندمتغیره بیان می‌شود. ویژگی مطلوب ناوردای آفین  تضمین می‌کند که نقطه دورافتاده تحت هرگونه تبدیل از محورهای مختصات کماکان به‌عنوان دورافتاده شناسایی شود. پیاده‌سازی این روش نسبت به بیشتر روش‌های چندمتغیره که دارای پیچیدگی محاسباتی هستند، ساده‌تر است. بر اساس مطالعات شبیه‌سازی عملکرد روش پیشنهادی بر اساس توابع ژرفای مختلف مورد بررسی قرار گرفته است. سرانجام، روش بیان شده برای داده‌های مسکن شهرهای منتخب ایران در سال ۱۳۹۷، بکار برده 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 0.07 seconds with 34 queries by YEKTAWEB 4710