http://jss@irstat.ir مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران - مقالات نشریه - سال 1386 جلد1 شماره1 Yektaweb Collection - https://yektaweb.com fa 1386/6/10 http://irstat.ir/jss/browse.php?a_id=1&sid=1&slc_lang=fa <p align="right">در مدلهای پارامتر مبنا، مشکل اساسی ترقیب درستنمایی این مدل و در واقع برآورد پارامترهای مدل است. یک روش برخورد با این مشکل استفاده از درستنمایی های ساده تر مانند درستنمایی مرکب است. در این مقاله پس از معرفی مدلهای پارامتر مبنا و درستنمایی مرکب، به معرفی یک ملاک انتخاب مدل مبتنی بر درستنمایی مرکب پرداخته ایم. در ادامه با استفاده از شبیه سازی، توانایی درستنمایی مرکب را در استنباط و انتخاب مدل صحیح در مدلهای پارامتر مبنا نشان داده ایم</p> حسین باغیشنی http://irstat.ir/jss/browse.php?a_id=2&sid=1&slc_lang=fa <p align="right">&nbsp; رکوردها در یک دنباله از مشاهدات مقادیری هستند که از مشاهدات ماقبل خود بزرگتر (کوچکتر) باشند. اجرای نمونه گیری دنباله ای تا کسب تعدادی مشخص از داده های رکوردی، در مقالات به روش نمونه گیری معکوس معروف است. در این حالت امید ریاضی زمان انتظار زمان انتظار بین دور رکورد نامتناهی است و تعدد داده های رکوردی مستخرج نیز محدود است. یکی از راهکارها برای مقابله با این مشکل، استفاده از طرح نمونه گیری تکراری به روش معکوس است. در این طرح با به کارگرفتن روش نمونه گیری معکوس ابتدا در مرحله اول k₁ رکورد را استخراج نموده و نمونه گیری را در این مرحله متوقف می سازیم. سپس در مرحله دوم با در نظر گرفتن نمونه ای مستقل از نمونه اول، k₂ رکورد بعدی را استخراج می نماییم و همین روند را تا رسیدن به تعداد رکوردهای مورد نظر ادامه می دهیم. در این مقاله حالتی را در نظر می گیریم که تعداد رکوردهای مستخرج در هر مرحله ثابت و همگی برابر k باشند. نتایج کلی برای چند رده مختلف از توزیع های مهم آماری به دست آمده و برخی از توزیع های مهم طول عمر از جمله توزیع نمایی، بر نوع دوازده و وایبول برای تشریح نتایج به دست آمده مورد استفاده قرار گرفته اند.</p> مصطفی رزمخواه http://irstat.ir/jss/browse.php?a_id=3&sid=1&slc_lang=fa <p align="right">&nbsp; برای پیشگویی بیزی یک مدل فضایی &ndash; زمانی گاوسی، پارامترهای نامعلوم مدل بعنوان متغییر متغییرهای تصادفی با توزیعهای پیشین معلوم در نظر گرفته می شود و با گسسته سازی فضای پارامتر، توزیعهای پیسین و پیشگوی بیزی تقریبی تعیین می شوند. در این مقاله با فرض پارامتری بودن توزیع های پیشین و اتخاذ رهیافت بیز تجری توزیع پیشین را برآورد نموده و با جایگذاری آن در توزیع پیشگوی بیزی، پیشگوی فضایی &ndash; زمانی بیز تجربی و واریانس پیشگویی محاسبه می شوند. سپس در یک مثال کاربردی نحوه محاسبه این پیشگو و واریانسی پیشگویی ارایه می شود. به علاوه بر اساس معیار اعتبارسنجی متقابل دقت این پیشگو مورد ارزیابی قرار می گیرد.</p> فیروزه ریواز http://irstat.ir/jss/browse.php?a_id=634&sid=1&slc_lang=fa <div style="text-align: justify;"><span style="background:white;"><span style="color:#333333;"><span style="font-family:tahoma,sans-serif;"><span style="font-size:10.0pt;">خط مشی مورد نظر در این صف شامل دو ورودی با نرخ های متفاوت و دو نوع سرویس با نرخ های متفاوت است. هر دو ورودی فرایند پواسون با نرخ میانگین متفاوت در نظر گرفته می شوند. همچنین فرض کنیم دو نوع سرویس دارای توزیع نمایی با میانگین های متفاوت هستند. بدون کاستن از کلیت مسئله، می توان فرض کرد که یک سرویس دهنده هر دو نوع سرویس را ارائه می کند. هر متقاضی پس از ورودی به سامانه در یک صف واحد برای دریافت سرویس منتظر می ماند. ارائه سرویس به ترتیب ورود (</span></span></span></span><span dir="LTR" style="background:white;"><span style="color:#333333;"><span style="font-family:tahoma,sans-serif;"><span style="font-size:10.0pt;">FCFS</span></span></span></span><span style="background:white;"><span style="color:#333333;"><span style="font-family:tahoma,sans-serif;"><span style="font-size:10.0pt;">) است. پس از اتمام هر نوع سرویس، سرویس دهنده به شیوه برنوولی و با احتمال معینی باجه را به دلایلی تعطیل می کند. دوره تعطیلی دارای توزیع نمایی بوده و پس از اتمام دوره تعطیلی سرویس دهنده دوباره به سامانه برمی گردد، اگر متقاضی در سامانه وجود داشته باشد با خط مشی فوق به ارائه سرویس می پردازد در غیر این صورت جهت ارائه سرویس منتظر می ماند.</span></span></span></span><br> <span style="background:white;"><span style="color:#333333;"><span style="font-family:tahoma,sans-serif;"><span style="font-size:10.0pt;">در این بررسی پس از به دست آوردن معادلات حالت پایا به محاسبه متوسط تعداد افراد در سامانه می پردازیم. به کمک فرمول های لیتل این مقادیر را برای صف به دست می آوریم. به علاوه در حالت خاص نیز مسأله را بررسی می کنیم.</span></span></span></span></div> رحیم بادامچی زاده http://irstat.ir/jss/browse.php?a_id=5&sid=1&slc_lang=fa <p align="right">&nbsp; روش های معمول، استنباط آماری مبتی بر نمونه تصادفی است. اما در بسیاری از موارد مکانیسم نمونه گیری به گونه ای است که هر مشاهده با شانسی متناسب با تابعی نامنفی از آن ثبت می شود. چنین نمونه ای را نمونه وزنی گویند. بنابراین لازم است اصطلاحات مناسبی که بستگی به تابع وزن دارد در روش هی معمول استنباطی صورت گیرد. در این مقاله تحت چند وزن خاص چنین اصلاحاتی در روش های برآورد پارامترها در توزیع نرمال ارایه و در پایان توزیع نرمال دوقلو به عنوان یک توزیع نرمال وزنی معرفی شده است.</p> سیدمحمدرضا علوی