<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
<channel>
<title> مجله علوم آماری </title>
<link>http://jss@irstat.ir</link>
<description>مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران - مقالات نشریه - سال 1399 جلد14 شماره1</description>
<generator>Yektaweb Collection - https://yektaweb.com</generator>
<language>fa</language>
<pubDate>1399/5/11</pubDate>

					<item>
						<title>تعیین راهکار بازرسی و جایگزینی پیشگیرانه یک سیستم موازی با ازکار افتادگی پنهان</title>
						<link>http://irstat.ir/jss/browse.php?a_id=623&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;pre dir=&quot;rtl&quot; style=&quot;margin-top: 0px; margin-bottom: 0px; text-align: justify;&quot;&gt;
&lt;span style=&quot;font-family:tahoma;&quot;&gt;دراین پژوهش به مطالعه نگهداری یک سیستم موازی با n مولفه پرداخته شده است. از مشخصه سیستم مورد مطالعه تشخیص ازکارافتادگی سیستم و مولفه های&amp;rlm; آن تنها در زمان های بازرسی است. از جمله این سیستم ها می توان به&amp;nbsp; سیستم های ایمنی راکتور هسته ای، دستگاه اعلائم خطر آتش سوزی اشاره کرد. از مفروضات مدل، دوره ای بودن بازرسی سیستم با طول دوره Ƭ است. بازرسی سیستم به منظور شناسایی تعداد مولفه های&amp;rlm; از کار افتاده سیستم و اتخاذ تصمیم جایگزینی اصلاحی و پیشگیرانه با توجه به وضعیت سیستم مشاهده شده صورت می گیرد. از جمله مزیت های مدل پیشنهادی بررسی راهکار جایگزینی پیشگیرانه آستانه ای است.&amp;nbsp;چون دوره بازرسی Ƭ و آستانه جایگزینی پیشگیرانه j کنترل کننده سطح و هزینه نگهداری هستند، با حفظ حداقل سطح نگهداری، هدف کمینه کردن میانگین هزینه در واحد زمان با تعیین مقادیر بهینه است. در ادامه با ارائه مثالی، کاربرد و برتری مدل پیشنهادی نسبت به مدل های خاص در مورد سیستم های موازی با توزیع طول عمر وایبل نشان داده می شود. در انتها حساسیت مدل از جمله تابع هدف و طول دوره بهینه بازرسی سیستم نسبت به وضعیت شروع سیستم، آستانه جایگزینی پیشگیرانه و پارامتر هزینه مورد ارزیابی قرار می گیرند.&lt;/span&gt;&lt;/pre&gt;</description>
						<author>رضا احمدی</author>
						<category></category>
					</item>
					
					<item>
						<title>بدترین تخصیص بیمه‌نامه‌های لایه‌ای برای ریسک‌های مستقل و هم‌توزیع نمایی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=596&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p style=&quot;margin: 0px; text-align: justify;&quot;&gt;در این مقاله، به بررسی بدترین تخصیص  کسری پذیر ها و حدها در بیمه نامه های لایه ای از منظر بیمه گر پرداخته می شود. اگر n ریسک  مستقل و هم توزیع نمایی تحت پوشش بیمه نامه لایه ای قرار گیرند و مقدار حدها برابر باشند، نشان داده می شود بدترین تخصیص کسری پذیری از نگاه بیمه گر بردار&amp;nbsp;(d,0, ..., 0) است.&amp;nbsp;&lt;/p&gt;</description>
						<author>مسعود امیری</author>
						<category></category>
					</item>
					
					<item>
						<title>اندازه نمونه بهینه براساس تابع هزینه در مدل سانسور فزاینده نوع دو</title>
						<link>http://irstat.ir/jss/browse.php?a_id=612&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px; text-align: justify;&quot;&gt;امروزه استنباط براساس نمونه  های سانسور شده توسط پژوهش   گران زیادی مورد مطالعه قرار گرفته است. یکی از معمول  ترین روش  های سانسور، سانسور فزاینده نوع دو از راست است.&amp;nbsp; در این روش از سانسور، n&amp;lrm; واحد در آزمایش قرار می  گیرند و در زمان از کارافتادگی هر واحد تعدادی از واحدهای باقیمانده از آزمایش خارج می شوند. این کار ادامه می یابد تا به ازای یک مقدار از قبل تعیین شده مانند &amp;lrm;m، زمان های از کارافتادگی m واحد ثبت شوند و سپس آزمایش خاتمه می  یابد.&amp;nbsp;برای تعیین بهترین تعدادی که در ابتدا برای واحدهای تحت آزمایش قرار می گیرند معیارهای متفاوتی می توان در نظر گرفت که یکی از مهم ترین آن ها معیار هزینه است. در این مقاله با در نظر گرفتن تابع هزینه و توزیع وایبل برای طول عمر داده های مورد بررسی و طرح های سانسور مختلف، به تعیین بهترین مقدار برای اندازه نمونه اولیه یعنی &amp;lrm;n پرداخته می شود. به منظور ارزیابی نتایج بدست آمده یک مثال عددی براساس داده های واقعی ارائه شده   است.&lt;/p&gt;</description>
						<author>الهام بصیری</author>
						<category></category>
					</item>
					
					<item>
						<title>مدلی از شوک گردشی در حالت گسسته</title>
						<link>http://irstat.ir/jss/browse.php?a_id=632&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;یک سیستم در دوره های زمانی گسسته در معرض دنباله ای از شوک ها قرار دارد به طوری که شوک ها در هر یک از دوره ها با احتمالی مانند p بطور تصادفی و مستقل از هم رخ می دهند. اگر تعداد شوک های متوالی وارده بر سیستم کمتر از یک سطح بحرانی از پیش تعیین شده مانند (1&amp;le;)k&amp;nbsp;باشد، آن گاه به سیستم آسیبی نمی رسد. همچنین سیستم با احتمالی مانند&amp;nbsp;&amp;theta; خراب می شود هر گاه تعداد شوک های متوالی برابر با k باشد و به محض آن که تعداد شوک های متوالی به k+1 برسد، سیستم کاملاً از کار می افتد. از  این رو، این مدل را می توان نسخه ای از شوک گردشی دانست که در آن، شوک ها در دوره های زمانی گسسته رخ می دهند و الگوی رفتاری سیستم نیز در مواجهه با k شوک متوالی، قطعی و تعینی نیست. در این مقاله، ویژگی های سیستم تحت این مدل، به ویژه گشتاور های مرتبه اول و دوم طول عمر سیستم و برآورد پارامتر های مجهول در آن بررسی و به   تعمیمی از مدل اشاره می شود. همچنین، روشی برای محاسبه میانگین توزیع هندسی تعمیم یافته ارائه می شود.&lt;/div&gt;</description>
						<author>محمدحسین پورسعید</author>
						<category></category>
					</item>
					
					<item>
						<title>برآوردگر ماکسیمم درستنمایی توزیع آلفا-پایدار</title>
						<link>http://irstat.ir/jss/browse.php?a_id=653&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px; text-align: justify;&quot;&gt;خانواده توزیع های آلفا-پایدار از دو خاصیت چولگی و سنگینی دم برخوردار بوده و در نتیجه به طور گسترده  ای در حوزه های مطالعاتی متعددی مورد استفاده قرار می گیرد. متاسفانه، برای تقریبا همه اعضای این خانواده، تابع چگالی با شکل تحلیلی وجود ندارد و در نتیجه یافتن برآوردگرهای ماکسیمم درستنمایی پارامترهای این توزیع به یک مسئله چالشی بدل شده است. در این مقاله، به منظور برطرف کردن این مشکل، نوعی الگوریتم &amp;lrm;EM&amp;lrm; پیشنهاد می شود. کارایی این الگوریتم به کمک شبیه سازی و همچنین تحلیل سه دسته از داده های واقعی مورد بررسی قرار خواهد گرفت.&lt;/p&gt;</description>
						<author>مهدی تیموری</author>
						<category></category>
					</item>
					
					<item>
						<title>تحلیل نیم‌پارامتری مدل‌های رگرسیونی برای پاسخ‌های سری توانی آماسیدۀ صفر با متغیرهای تبیینی گم‌شده</title>
						<link>http://irstat.ir/jss/browse.php?a_id=588&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px; text-align: justify;&quot;&gt;در این مقاله پاسخ های شمارشی با تعداد صفر زیاد، که داده های آماسیدۀ صفر نامیده می شوند، مورد تحلیل قرار گرفته اند. فرض می شود پاسخ ها از سری توانی آماسیدۀ صفر پیروی می کنند. همچنین به دلیل وجود گم شدگی از نوع تصادفی در متغیرهای تبیینی برخی از داده های کاربردی، انواع روش های برآوردیابی پارامترهای مدل براساس تابع امتیاز با و بدون درنظر گرفتن گم شدگی برای مدل رگرسیونی ارایه شده است. در این میان، معلوم یا نامعلوم بودن احتمال انتخاب متغیر تبیینی گم شده منجر به ارایه روش نیم پارامتری برای برآورد پارامترها در مدل رگرسیونی سری توانی آماسیدۀ صفر می شود. به منظور تشریح روش پیشنهادی، مطالعه ا ی شبیه سازی برای مدل رگرسیونی دوجمله ای منفی آماسیدۀ صفر با متغیرهای تبیینی گم شده به عنوان یک مدل رگرسیونی سری توانی انجام می شود و سپس مثالی از داده های واقعی ارایه می شود. در انتها، عملکرد روش  نیم پارامتری در مقایسه با روش ماکسیمم درستنمایی، مورد-کامل، احتمال وارون وزنی مورد بررسی و ارزیابی قرار گرفته است.&lt;/p&gt;</description>
						<author>احسان بهرامی سامانی</author>
						<category></category>
					</item>
					
					<item>
						<title>ویژگی‌های سالخوردگی  مدل نرخ خطر متناسب  تعدیل شده برای توزیع‌های طول عمر گسسته</title>
						<link>http://irstat.ir/jss/browse.php?a_id=640&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px; text-align: justify;&quot;&gt;مدل نرخ خطر متناسب تعدیل شده به عنوان یکی از خانواده های انعطاف پذیر در قابلیت اعتماد و تحلیل بقا و مقایسه های تصادفی سیستم های&amp;nbsp;(n-k+1) از&amp;nbsp;n در این خانواده از توزیع ها، توسط بالاکریشنان و همکاران (2018) معرفی شده است.&amp;nbsp; در این مقاله، حالت گسسته&amp;nbsp; برای تابع بقای پایه در این مدل در نظر گرفته شده و به خواص سالخوردگی و&amp;nbsp; حفظ شدن ترتیب تصادفی معمولی، نرخ خطر و نسبت درستنمایی در این خانواده از توزیع ها پرداخته شده است.&amp;nbsp;&lt;/p&gt;</description>
						<author>رسول روزگار</author>
						<category></category>
					</item>
					
					<item>
						<title>آزمون‌های چندگانه در شناسایی پروفایل‎‌های دورافتاده</title>
						<link>http://irstat.ir/jss/browse.php?a_id=664&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;امروزه به واسطه وجود فناوری&amp;lrm; های نوین، داده &amp;lrm;هایی با بعد بالا به &amp;lrm;سادگی&amp;nbsp;تولید می&amp;lrm; شوند. در این گونه داده&amp;lrm; ها نیاز به ارزیابی همزمان بیش از یک فرضیه وجود&amp;nbsp;دارد. به &amp;rlm;همین منظور از آزمون &amp;lrm;های چندگانه که در آن گردایه&amp;lrm; ای از فرضیه های&amp;nbsp;آماری به طور همزمان مورد آزمون قرار می&amp;lrm; گیرند استفاده کرده و نرخ خطای&amp;nbsp;خانواده را که مهمترین موضوع در این &amp;lrm;گونه آزمون&amp;lrm; ها است کنترل می&amp;lrm; شود.&amp;nbsp;در این&amp;nbsp;مقاله دو شیوه سیداک&amp;nbsp;و گام به&amp;lrm; پس برای کنترل نرخ خطای آزمون در&amp;nbsp;شناسایی پروفایل های دورافتاده، به کار گرفته و با هم مقایسه خواهد شد.&amp;nbsp;بر&amp;nbsp;این اساس عملکرد دو شیوه ذکر شده با روش بوت&amp;lrm; استرپی پارامتری مقایسه و برای یک مجموعه از داده&amp;lrm; های واقعی پیاده سازی می شود.&lt;/div&gt;</description>
						<author>مرجان رجبی</author>
						<category></category>
					</item>
					
					<item>
						<title>کوچکترین ناحیه اطمینان برای پارامترهای توزیع نمایی دوپارامتری</title>
						<link>http://irstat.ir/jss/browse.php?a_id=570&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله، کوچکترین ناحیه اطمینان برای پارامترهای مکان و مقیاس توزیع نمایی دوپارامتری به دست می آید. برای این منظور از روش های بهینه سازی مقید استفاده می شود. با ارائه کمیت های محوری مناسب، ابتدا ناحیه اطمینان متعادل را پیدا کرده و سپس با مینیمم کردن مساحت ناحیه اطمینان با استفاده از روش لاگرانژ، کوچکترین ناحیه اطمینان به دست خواهد آمد. دو مثال عددی برای تشریح روش های پیشنهادی ارائه می شوند. در پایان، کاربرد نواحی اطمینان پیشنهادی در انجام آزمون فرض های همزمان و محاسبه کران اطمینان برای هر تابعی از پارامترها، مورد مطالعه قرار می گیرند.&lt;/div&gt;</description>
						<author>اکبر اصغرزاده</author>
						<category></category>
					</item>
					
					<item>
						<title>تعیین تابع عضویت بهینه بیزی فازی با استفاده از داده‌های فازی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=587&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله برآورد بیزی فازی برای داده های فازی، ابتدا بر پایه توزیع پیشین احتمالی، سپس بر پایه مدل امکانی و توزیع پیشین امکانی به دست آورده می شود. با توجه به تأثیر تابع های عضویت بر برآورد بیزی فازی و امکانی، تابع عضویتی که برآورد بیزی فازی و امکانی بهینه را نتیجه می دهد برای داده ها معرفی می شود. با استفاده از داده های فازی نرمال و نمایی بهینگی تابع عضویت مثلثی-گاوسی جدید معرفی شده برای داده های مطرح شده نشان داده می شود.&lt;/div&gt;</description>
						<author>شادی سعیدی جیبری</author>
						<category></category>
					</item>
					
					<item>
						<title>برآورد موجکی تابع چگالی چندک به روش آستانه‌ای بلوکی تحت تابع زیان L2</title>
						<link>http://irstat.ir/jss/browse.php?a_id=611&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله یک برآوردگر سازوار از تابع چگالی چندک به روش آستانه ای بلوکی معرفی می شود و سرعت همگرایی این برآوردگر تحت تابع زیان L2 روی کلاس بزرگی از توابع فضای بسوف بدست می آید. این مقاله تعمیمی بر نتایج بدست آمده در چسنو و همکاران(2016) دارد و نشان داده می شود که برآوردگر بلوکی سرعت همگرایی بهتری (بهینه) نسبت به برآوردگرهای معرفی شده توسط&amp;nbsp; چسنو و همکاران(2016)&amp;nbsp;دارد. همچنین در یک مطالعه شبیه سازی کارایی برآوردگر بلوکی معرفی شده مورد ارزیابی و مقایسه قرار می گیرد.&lt;/div&gt;</description>
						<author>اسماعیل شیرازی</author>
						<category></category>
					</item>
					
					<item>
						<title>مدل خودبازگشتی صحیح‌مقدار مرتبه اول براساس عملگر نازک دوجمله‌ای منفی با نوفه‌های وابسته</title>
						<link>http://irstat.ir/jss/browse.php?a_id=626&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله، یک مدل جدید خودبازگشتی صحیح مقدار مرتبه اول، بر اساس عملگر نازک دوجمله  ای منفی معرفی می  شود که در آن عبارت خطا به طور متوالی به مقدار فرایند در زمان جاری وابسته است. برخی از ویژگی  های آماری مدل پیشنهادی مورد بحث قرار می  گیرد و پارامترهای مدل نیز توسط دو روش ماکسیمم درستنمایی و یول-واکر برآورد می  شوند. به کمک شبیه  سازی، رفتار و کارایی دو روش برآورد مورد مطالعه قرار می  گیرند. در انتها، برتری مدل معرفی شده در برازش داده  های واقعی نسبت به سایر مدل  های صحیح مقدار توسط معیار های مختلفی بررسی می شود.&lt;/div&gt;</description>
						<author>مهرناز محمدپور</author>
						<category></category>
					</item>
					
					<item>
						<title>آزمونی برای استقلال در داده‌های نرمال با بُعد بالا</title>
						<link>http://irstat.ir/jss/browse.php?a_id=646&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;فرضیه استقلال کامل داده ها پیش نیاز بسیاری از استنباط های آماری&amp;nbsp; است. روش های آزمون کلاسیک پاسخ گوی بررسی چنین فرضی در داده های با ابعاد بالا نیست. در این مقاله آماره &amp;nbsp; &amp;nbsp;آزمونی ساده برای وجوداستقلال کامل در داده های نرمال&amp;nbsp; &amp;nbsp;با بُعد بالا معرفی و با استفاده از نظریه &amp;nbsp; مارتینگل ها مجانباً نرمال بودن توزیع این آماره&amp;nbsp; ثابت شده است. به منظور ارزیابی عملکرد آزمون پیشنهادی و&amp;nbsp; مقایسه  آن با روش های موجود، مطالعه  ای شبیه سازی انجام شده است.نتایج شبیه سازی نشان می دهد که آزمون پیشنهادی دارای خطای نوع اول تجربی با میانگین خطای نسبی کوچکتر نسبت به آزمون های موجود است. کاربردی از روش پیشنهادی بر مجموعه داده سطح بیان ژن تومور پروستات معرفی شده است.&lt;/div&gt;</description>
						<author>داریوش نجارزاده</author>
						<category></category>
					</item>
					
					<item>
						<title>برآورد E-بیزی پارامتر قابلیت اعتماد در توزیع رایلی وارون تحت نمونه‌گیری مجموعه رتبه‌دار</title>
						<link>http://irstat.ir/jss/browse.php?a_id=656&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله، برآورد E-بیزی پارامتر قابلیت اعتماد (P(Y&lt;x&lt;z، .=&quot;&quot; div=&quot;&quot; r=&quot;&quot; x=&quot;&quot; y=&quot;&quot; z=&quot;&quot;&gt;&lt;/x&lt;z،&gt;&lt;/div&gt;</description>
						<author>شهرام یعقوب زاده</author>
						<category></category>
					</item>
					
	</channel>
</rss>
