http://jss@irstat.ir مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران - مقالات نشریه - سال 1391 جلد6 شماره1 Yektaweb Collection - https://yektaweb.com fa 1391/5/11 http://irstat.ir/jss/browse.php?a_id=196&sid=1&slc_lang=fa <p align="right">در این مقاله، یک توزیع جدید سه پارامتری طول عمر با ترکیب کردن توزیع های نمایی تعمیم یافته و لگاریتمی معرفی می شود. این توزیع به ازای مقادیر مختلف پارامترها دارای نرخ شکست نزولی و صعودی نزولی است. ویژگی های این توزیع جدید طول عمر،از جمله تابع چگالی احتمال، تابع توزیع تجمعی، تابع بقا، تابع مخاطره، تابع مولد گشتاور و گشتاورهای آن محاسبه می شوند. برآورد ماکسیمم درستنمایی پارامترهای این توزیع بااستفاده از الگوریتم تعیین و ماتریس واریانس کوواریانس مجانبی برآورد پارامترها به دست آورده می شوند. سپس با هدف تعیین دقت، با استفاده از شبیه سازی مونت کارلو، واریانس و کواریانس های برآوردگرهای ماکسیمم درستنمایی مورد بررسی قرار می گیرند</p> محمد بابازاده http://irstat.ir/jss/browse.php?a_id=143&sid=1&slc_lang=fa <p style="text-align: justify;">در فرآیند مخاطره انفرادی شرکت بیمه ای که اندازه های خسارت بیمه گذاران آن به یکدیگر وابسته اند، تعیین احتمال و زمان ورشکستگی از اهمیت بسزایی برخوردار است. محاسبه دقیق این احتمالات به دلیل ساختار پیچیده آن، کار آسانی نیست. در این مقاله، برآورد احتمالات ورشکستگی، تعیین زمان های ورشکستگی و بازه اطمینان احتمالات ورشکستگی&nbsp; در سطوح مختلف همبستگی خسارتها با روش شبیه سازی مونت کارلو انجام شده است. در این شبیه سازی برای تولید خسارت های وابسته از تابع مفصل فرانک چند متغیره و الگوریتم مارشال و الکین کمک گرفته و نشان داده شده است که با افزایش سطح وابستگی بین اندازه های خسارت، احتمال ورشکستگی فرآیند مخاطره افزایش و زمان ورشکستگی آن کاهش می یابد</p> ابوذر بازیاری http://irstat.ir/jss/browse.php?a_id=45&sid=1&slc_lang=fa <p style="text-align: justify;"><span style="font-family:Tahoma;"><font size="3">&nbsp;</font><span lang="AR-SA">به کارگیری متغیرهای کمکی برای اصلاح برآوردگرها روشی متداول در آمار و به خصوص بررسی های نمونه ای است. به عنوان مثال می توان به برآوردگرهای نسبتی و رگرسیونی در نمونه گیری اشاره کرد. با فرض معلوم بودن مجموع جامعه کمکی و</span><span dir="ltr"></span><span dir="ltr" lang="AR-SA"><span dir="ltr"></span> </span><span lang="AR-SA">برقرار بودن یک سری شرایط، برآوردگرهای کالیبره و واریانس آنها را می توان با استفاده از برآوردگرهای رگرسیونی تعمیم یافته به دست آورد. در این مقاله، با فرض نامعلوم بودن مجموع متغیر کمکی در جامعه، برآوردگر کل و واریانس آن در جامعه هدف با</span><span dir="ltr"></span><span dir="ltr" lang="AR-SA"><span dir="ltr"></span> </span><span lang="AR-SA">روش رگرسیون تعمیم یافته به دست<em> آورده می ش</em>ود. سپس نشان داده می شود برآوردگر ارائه شده برای مجموع کل جامعه از نظر کارایی بهتر از برآوردگر هورویتز تامپسون است. آنگاه نظریه به دست آمده با شبیه سازی به روش مونت کارلو زنجیر مارکوفی <span lang="AR-SA">در طرح نمونه گیری طبقه بندی مورد بررسی قرار می گیرد</span></span>.</span></p> ابراهیم خدایی http://irstat.ir/jss/browse.php?a_id=111&sid=1&slc_lang=fa <p style="text-align: justify;">این مقاله در جستجوی ملاکی بهینه برای مقایسه برخی از اندازه های فی واگرا است، که در آن میزان وابستگی خانواده مفصل فارلی-گامبل-مورگنسترن تعمیم یافته به روش عددی محاسبه می شود. بر این اساس، اندازه هلینجر به عنوان اندازه فی-واگرای بهینه پیشنهاد می شود.</p> محمد امینی http://irstat.ir/jss/browse.php?a_id=170&sid=1&slc_lang=fa <p style="text-align: justify;">مدل های تحلیل بقا معمولا براساس فرض همگن بودن جامعه مورد مطالعه قرار می گیرند. این در حالی است که به دلیل اثرات تصادفی فردی غیرقابل مشاهده، چنین فرضی اغلب واقع گرایانه نیست. در واقع عدم در نظر گرفتن اثرات فردی در تحلیل بقا منجر به نتایج غیرواقعی می شود. لذا در این حالت مدل های آمیخته با اثرات تصادفی پیشنهاد می شوند که در تحلیل بقا به مدل های شکنندگی مشهور هستند. در این مقاله توزیع خانواده واریانس توانی به عنوان خانواده کلی و توزیع های گاما و وارون گاوسی به عنوان دو حالت خاص برای اثرات شکنندگی تصادفی معرفی و ارزیابی می شوند. سپس با استفاده از مدل های شکنندگی پارامتری خطرات متناسب با توزیع وایبل برای مخاطره پایه و توزیع گاما و وارون گاوسی برای اثرات شکنندگی، داده های مربوط به بقای مبتلایان به سرطان کولورکتال تحلیل شده اند</p> ابراهیم حاجی زاده http://irstat.ir/jss/browse.php?a_id=183&sid=1&slc_lang=fa <p style="text-align: justify;">توزیع چوله نرمال، یکی از توزیع های مهم در تحلیل داده های غیرنرمال است. از آنجایی که تابع چگالی توزیع چوله نرمال حاوی تابع انتگرال است محاسبه تابع چگالی&nbsp; این توزیع در رهیافت بیزی است در این مقاله با استفاده از تعریف شرطی توزیع چوله نرمال روشی برای برآورد بیزی پارامترهای این توزیع ارائه شده است. سپس در مطالعه ای شبیه سازی دقت این روش با روش معمولی مورد مقایسه قرار گرفته است</p> انوشیروان کاظم نژاد http://irstat.ir/jss/browse.php?a_id=176&sid=1&slc_lang=fa <p style="text-align: justify;">هدف این مقاله معرفی یک مدل تعمیم یافته برای توزیع توأم متغیرهای اسمی، ترتیبی و پیوسته برای با و بدون داده گم شده است. فرم های بسته ای برای تابع درستنمایی مربوط به مدل های مکانی عام ارائه می شود. همچنین تقریب جو، برای براورد پارامترهای مدل مکانی عام با پاسخ های اسمی، پیوسته و ترتیبی با و بدون داده های گم شده به کار برده شده است. برای نشان دادن قابلیت مدل های پیشنهادی، مطالعات شبیه سازی انجام شده است. همچنین مدل های ارائه شده بر روی داده های واقعی مربوط به آموزش زبان خارجی مورد تحلیل قرار گرفته است</p> سیده فاطمه میری