<?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 شماره2</description>
<generator>Yektaweb Collection - https://yektaweb.com</generator>
<language>fa</language>
<pubDate>1399/11/13</pubDate>

					<item>
						<title>برآوردگرهای بیزی آستانه موجک برای تابع رگرسیون ناپارامتری بر اساس توزیع پیشین آمیخته</title>
						<link>http://irstat.ir/jss/browse.php?a_id=648&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله، برآوردگرهای موجک تابع رگرسیون ناپارامتری بر اساس آستانه های مختلف تحت توزیع پیشین آمیخته و تابع زیان توان دوم خطا در فضای بسوف محاسبه شده است. همچنین با استفاده از&amp;nbsp; شبیه سازی، بهینگی برآوردگرهای مختلف آستانه  موجک شامل میانگین پسین، میانه  پسین، عامل بیز، آستانه عام و آستانه قطعی مورد بررسی قرار گرفته است. نتایج نشان می دهد که برآوردگر آستانه قطعی، میانگین توان دوم خطای کمتری نسبت به سایر برآوردگرهای بدست آمده دارد.&lt;/div&gt;</description>
						<author>ابوذر بازیاری</author>
						<category></category>
					</item>
					
					<item>
						<title>تحلیل بیزی داده‌های شمارشی فضایی در جوامع متناهی با رهیافت معادلات دیفرانسیل جزئی تصادفی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=695&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p dir=&quot;rtl&quot; style=&quot;text-align: justify;&quot;&gt;داده های شمارشی زمین آماری در جوامع متناهی در کاربردهای مختلفی، مثل مدیریت شهری و پزشکی، دیده می شوند. مدل معمول برای تحلیل این نوع پاسخ ها، مدل لوجیت-دوجمله ای فضایی است. در اکثر موقعیت های کاربردی، این نوع داده ها جدا از تغییرپذیری فضایی دارای بیش پراکندگی هستند که مدل دوجمله ای توانایی مدل بندی آن را ندارد. رهیافت جانشین در این حالت، یک مدل بتا-دوجمله ای است که از انعطاف لازم برای لحاظ کردن بیش پراکنشی موجود در داده ها برخوردار است. در این مقاله، ابتدا برازش مدل بتا-دوجمله ای فضایی برای داده های شمارشی زمین آماری با یک رهیافت بیزی ترکیبی مبتنی بر تقریب لاپلاس آشیانی جمع بسته و معادلات دیفرانسیل جزیی تصادفی توصیف می شود. سپس این مدل، در یک مطالعه موردی، برای تحلیل تعداد تصادف های منجر به جرح یا فوت در شهر مشهد به کار گرفته می شود. همچنین با یک مطالعه شبیه سازی، عملکرد مدل پیشنهادی ارزیابی می شود.&lt;/p&gt;</description>
						<author>حسین باغیشنی</author>
						<category></category>
					</item>
					
					<item>
						<title>ترتیب نسبت درست‌نمایی میان سیستم‌های k از n متشکل از مولفه‌های مقیاس با چندین دورافتاده</title>
						<link>http://irstat.ir/jss/browse.php?a_id=621&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;این مقاله، به مقایسه های تصادفی سیستم های k از n متشکل از مولفه های مستقل مدل مقیاس با چندین دورافتاده می پردازد. بدین منظور، ابتدا یک سیستم  k از n متشکل از مولفه های &amp;nbsp;مستقل مدل مقیاس با چندین دورافتاده در نظر گرفته شده و &amp;nbsp;سپس با استفاده از تابع پرمننت، به بررسی ترتیب نسبت درست نمایی در این گونه سیستم ها پرداخته می شود.&amp;nbsp;&lt;/div&gt;</description>
						<author>ابراهیم امینی سرشت</author>
						<category></category>
					</item>
					
					<item>
						<title>بهینه­‌سازی قابلیت اطمینان و هزینه در سیستم‌­های سری-موازی تعمیرپذیر با نرخ شکست وانی‌­شکل</title>
						<link>http://irstat.ir/jss/browse.php?a_id=622&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;وقتی یک سیستم مورد استفاده قرار می گیرد، تعیین قابلیت اطمینان این سیستم، یعنی احتمال این که از مدت زمان معینی بیشتر عمر  کند،&amp;nbsp; مورد علاقه است. از طرفی قابلیت اطمینان یک سیستم به ساختار و قابلیت اطمینان اجزای آن نیز بستگی دارد. بنابراین برای افزایش قابلیت اطمینان سیستم می توان قابلیت اطمینان اجزای آن را بهبود بخشید. برای این منظور لازم است فعالیت های تعمیر و نگهداری&amp;nbsp; انجام شود که خود منجر به افزایش هزینه ها خواهد شد. یک راه دیگر تغییر مکان اجزای سیستم ها است. در این مقاله با کمینه کردن هزینه و بیشینه نمودن قابلیت اطمینان یک سیستم سری-موازی، مکان اجزای سیستم و زمان بهینه نگهداری پیشگیرانه تعیین می شوند. در انتها، نحوه کاربست روش ارائه شده در یک مثال عددی نشان داده می شود.&lt;/div&gt;</description>
						<author>الهام بصیری</author>
						<category></category>
					</item>
					
					<item>
						<title>انتخاب متغیر در مدل‌های خطی-جزئی با اثرات آمیخته برای داده‌های طولی با بعد بالا</title>
						<link>http://irstat.ir/jss/browse.php?a_id=678&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله، مسئله برآورد و انتخاب متغیر همزمان در مدل های خطی-جزئی با اثرات آمیخته برای داده های طولی با بعد بالا در نظر گرفته شده است. مولفه ناپارامتری موجود در مدل با اسپلاین های رگرسیونی تقریب زده شده و سپس از طریق بهینه سازی تابع هدف مبتنی بر تابع تاوان , برآورد و انتخاب متغیر به طور همزمان انجام می شود. در ادامه، رفتار حدی برآوردگرهای حاصل در چارچوب داده های طولی با بعد بالا که در آن تعداد پارامترها متناسب با افزایش حجم نمونه افزایش می یابد, مورد مطالعه قرار می گیرد. به منظور پیاده سازی روش برآورد پیشنهادی، یک الگوریتم تکراری مناسب برای انتخاب متغیرهای مهم و برآورد ضرایب غیر صفر ارائه گردیده است. در نهایت، عملکرد روش پیشنهادی با مطالعه شبیه سازی و تحلیل یک مجموعه داده واقعی مورد ارزیابی قرار گرفته است.&lt;/div&gt;</description>
						<author>مژگان تعاونی</author>
						<category></category>
					</item>
					
					<item>
						<title>معیار نادرستی بر مبنای تابع مفصل بقاء</title>
						<link>http://irstat.ir/jss/browse.php?a_id=662&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله، با استفاده از ایده  اندازه  نادرستی در نظریه  اطلاع، معیارهای نادرستی باقیمانده و گذشته در حالت دو متغیره به ترتیب بر مبنای تابع مفصل بقاء و مفصل تعریف شده است.&amp;nbsp;تحت فرض تقارن شعاعی، برابری این دو معیار نشان داده شده است. همچنین با استفاده از تساوی بین این دو معیار، مدل های متقارن شعاعی مشخص سازی شده اند. تحت فرض برقراری مدل  نرخ خطر متناسب برای توزیع های حاشیه ای، کران برای معیار معرفی شده، به دست آمده است. همچنین با فرض تناسب بین نادرستی معرفی شده و آنتروپی متناظرش، مدل نرخ خطر متناسب در حالت دو متغیره مشخص سازی شده است. بعلاوه، از ترتیب  مربعی بالا برای به دست آوردن نابرابری هایی استفاده شده است. برای تشریح بیش تر نتایج به دست آمده، مثال به همراه روش های شبیه سازی ارائه شده است.&lt;/div&gt;</description>
						<author>سیده تکتم حسینی</author>
						<category></category>
					</item>
					
					<item>
						<title>مدل‌سازی سن تقویمی به روش رگرسیون ستیغی کمترین توان‌های دوم پیراسته</title>
						<link>http://irstat.ir/jss/browse.php?a_id=663&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px; text-align: justify;&quot;&gt;تداول ترین روش برای برآورد پارامترهای مدل رگرسیون خطی، روش کمترین توان های دوم معمولی است که علی رغم سادگی محاسبه و دستیابی به بهترین برآورد خطی نااریب از پارامترها، گاهی منجر به جواب های گمراه کننده می شود. به عنوان مثال می توان به مشکلات ناشی از وجود همخطی و داده های دورافتاده در مجموعه داده ها اشاره کرد. روش کمترین توان های دوم پیراسته که یکی از معروف ترین روش های رگرسیون استوار است، تاثیر داده های دورافتاده را تا حد امکان کم می کند.&amp;nbsp;هدف اصلی این مقاله ارائه  یک برآورد ستیغی استوار در مدل سازی مربوط به داده های سن دندانی است.&amp;nbsp; در بین روش هایی که برای تعیین سن استفاده می شود، رایج ترین روش در سراسر دنیا، روش نوین تعمیم یافته دمیرجیان است که بر اساس سخت شدگی دندان دائمی در رادیوگرافی پانورامیک بنا شده است. نشان داده شده است که استفاده از برآوردگر ستیغی استوار منجر به کاهش میانگین توان دوم خطای برآورد در مقایسه با برآوردگر کمترین توان های دوم معمولی می شود.&amp;nbsp;البته برآوردگرهای پیشنهادی در داده های شبیه سازی شده نیز مورد ارزیابی قرار گرفتند.&lt;/p&gt;</description>
						<author>مهدی روزبه</author>
						<category></category>
					</item>
					
					<item>
						<title>برآوردگر بیزی و بیز تجربی تابع قابلیت اعتماد در سیستم تنش-مقاومت چندمولفه‌ای براساس توزیع رایلی تعمیم‌یافته</title>
						<link>http://irstat.ir/jss/browse.php?a_id=676&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله رویکرد بیز و بیز تجربی در برآورد تابع قابلیت اعتماد مدل تنش-مقاومت چندمولفه ای در حالتی که متغیرهای تنش و مقاومت دارای توزیع  رایلی تعمیم یافته با پارامترهای شکل متفاوت و پارامتر مقیاس یکسان هستند، مورد مطالعه قرار می گیرد.&amp;nbsp;برآورد بیز، بیز تجربی و ماکسیمم درستنمایی تابع قابلیت اعتماد&amp;nbsp; در دو حالت معلوم&amp;nbsp; و نامعلوم پارامتر مقیاس&amp;nbsp; تحت تابع زیان درجه دوم خطا ارائه می شود. سپس به روش شبیه سازی مونت کارلو و با استفاده از دو مجموعه داده واقعی، برآوردگرهای پیشنهادی تابع قابلیت اعتماد با یکدیگر و با برآورد ماکسیمم درستنمایی متناظرشان مقایسه می شوند.&lt;/div&gt;
&lt;p&gt;&lt;/p&gt;</description>
						<author>رضا زارعی</author>
						<category></category>
					</item>
					
					<item>
						<title>پیچش توزیع‌های نرمال چندمتغیره و نمایی استاندارد: نظریه و کاربرد</title>
						<link>http://irstat.ir/jss/browse.php?a_id=673&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در این مقاله، توزیع چندمتغیره آمیخته از توزیع نرمال چندمتغیره و توزیع نمایی استاندارد مورد بررسی قرار می گیرد. این توزیع میزان چولگی و کشیدگی بیشتری از توزیع چوله نرمال دارد و می تواند به عنوان یک پیشنهاد برای برازش داده های چندمتغیره با میزان چولگی و کشیدگی بیش از چوله نرمال به کار رود که برخلاف توزیع چوله نرمال دارای خاصیت بخش پذیری نامتناهی است. برخی خواص توزیع شامل تابع مشخصه، تابع مولد گشتاور، توزیع تبدیل های آفین و فرم کانونی توزیع، ضرایب چولگی، کشیدگی و مد توزیع مورد بررسی قرار می گیرد. برآوردهای ماکسیمم درستنمایی پارامترهای مدل با استفاده از الگوریتم EM محاسبه شده است. برای بررسی مناسبت مدل، یک مطالعه شبیه سازی ارائه و در انتها با تحلیل داده های واقعی کارایی مدل مورد مطالعه قرار می گیرد.&lt;/div&gt;</description>
						<author>محسن مددی</author>
						<category></category>
					</item>
					
					<item>
						<title>استنباط ضریب همبستگی مشترک براساس مفهوم توزیع اطمینان</title>
						<link>http://irstat.ir/jss/browse.php?a_id=680&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;
در این مقاله، مسئله بدست آوردن بازه اطمینان برای ضریب همبستگی مشترک از چندین جامعه نرمال دومتغیره مستقل مورد بررسی قرار می گیرد. برای این کار از مفهوم توزیع اطمینان استفاده شده است. در مطالعات شبیه سازی و با در نظر گرفتن دو معیار احتمال پوشش و طول بازه مورد انتظار، روش پیشنهادی با روش متغیر تعمیم یافته مقایسه می شود. نتایج مطالعات شبیه سازی نشان می دهند که احتمال پوشش روش پیشنهادی در تمام وضعیت ها نزدیک به سطح اسمی است و همچنین طول بازه اطمینان مربوط به آن در اغلب موارد از طول بازه اطمینان ایجاد شده توسط روش متغیر تعمیم یافته کمتر است. در نهایت دو مثال واقعی برای بکارگیری این روش ارائه می گردد.&lt;font face=&quot;Tahoma, Arial, Verdana, Source Sans Pro&quot;&gt;&lt;span style=&quot;white-space: normal;&quot;&gt;
&lt;/span&gt;&lt;/font&gt;&lt;/pre&gt;</description>
						<author>محمدرضا کاظمی</author>
						<category></category>
					</item>
					
					<item>
						<title>تحلیل داده‌های طول عمر وایبول تحت تعمیر ناقص</title>
						<link>http://irstat.ir/jss/browse.php?a_id=682&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;&lt;span style=&quot; color:#000000;&quot;&gt;سیستم تعمیرپذیری با دو نوع خرابی مورد مطالعه قرار گرفته  است.&amp;nbsp;خرابی نوع یک با تعمیر مینیمال و خرابی نوع دو با تعویض سیستم برطرف می شود. طول  عمر سیستم تا اولین شکست از توزیع وایبول پیروی می کند و دو سیاست برای تعمیر سیستم در نظر گرفته می شود. در سیاست اول،&amp;nbsp;سیستم پس از گذشت زمان T&amp;nbsp;یا در&amp;nbsp;اولین خرابی نوع دو و در سیاست دوم، سیستم پس از گذشت زمان T یا در &amp;nbsp;nامین خرابی نوع یک یا در &amp;nbsp;اولین خرابی نوع دو، هر کدام زودتر رخ دهد، تعویض می شود. هدف این مقاله ارائه یک نمایش کلی از تابع درستنمایی برای مدل های مورد بررسی است. آماره آزمون نسبت درستنمایی، برآوردهای ماکسیمم درستنمایی و فواصل اطمینان مجانبی نیز برای پارامترهای مورد نظر به دست می آیند. در پایان، شبیه سازی مونت کارلو برای توضیح نتایج، ارائه شده است.&lt;/span&gt;&lt;/div&gt;</description>
						<author>جواد اطمینان</author>
						<category></category>
					</item>
					
					<item>
						<title>برآورد بیزی پارامتر تنش-مقاومت تحت نمونه‌های سانسور فزاینده پیوندی در توزیع لوماکس</title>
						<link>http://irstat.ir/jss/browse.php?a_id=668&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;&lt;span class=&quot;fontstyle0&quot;&gt;برآورد بیزی پارامتر تنش-مقاومت، در توزیع&amp;nbsp;لوماکس، تحت نمونه های سانسور فزاینده پیوندی در سه حالت بررسی می شود. اول، با فرض اینکه تنش و مقاومت دو متغیر تصادفی با پارامترهای مقیاس مشترک و شکل متفاوت هستند، برآورد بیزی پارامتر تنش-مقاومت با دو روش لیندلی و الگوریتم گیبز تقریب زده می شود. دوم، با فرض اینکه پارامتر مقیاس مشترک معلوم است، برآورد بیزی دقیق پارامتر تنش-مقاومت به دست آمده است. سوم، با فرض اینکه همه پارامترها متفاوت و نامعلوم هستند، برآورد بیزی پارامتر تنش-مقاومت با الگوریتم گیبز به دست می آید.&amp;nbsp;همچنین، برآوردگرهای ماکسیمم درستنمایی &amp;nbsp;محاسبه و سودمندی برآوردگرهای بیز در مقایسه با آن ها، تائید شده اند. در نهایت، با استفاده از شبیه سازی مونت کارلو، روش های مختلف ارزیابی شده و یک مجموعه داده واقعی تحلیل می شود.&lt;/span&gt;&lt;/div&gt;</description>
						<author>اکرم کهن سال</author>
						<category></category>
					</item>
					
					<item>
						<title>برآوردهای میانگین جامعه با به‌کارگیری نمونه‌گیری پساطبقه‌ای قضاوتی در نمونه‌گیری طبقه‌بندی‌شده</title>
						<link>http://irstat.ir/jss/browse.php?a_id=671&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;روش نمونه گیری پساطبقه ای قضاوتی روش استفاده از اطلاعات اضافی رتبه بندی در نمونه تصادفی ساده به منظور افزایش کارایی برآوردگرهای پارامترهای جامعه است. &amp;nbsp;در این مقاله، &amp;nbsp;روش نمونه گیری &amp;nbsp;پساطبقه ای قضاوتی را در نمونه گیری طبقه  بندی شده به جای نمونه گیری تصادفی ساده در داخل &amp;nbsp;طبقه ها به کار برده و برآوردگرهای جدیدی برای میانگین جامعه ارائه می شود. در نهایت &amp;nbsp;با یک مطالعه شبیه سازی، برآوردگرهای پیشنهادی با برآوردگر میانگین نمونه گیری تصادفی طبقه بندی شده مورد مقایسه قرار می گیرند. نتایج شبیه سازی نشان می دهد که برآوردگرهای پیشنهادی عمل کرد بهتری در بیشتر حالت ها نسبت به&amp;nbsp;برآوردگر میانگین نمونه گیری تصادفی طبقه بندی شده دارند.&lt;/div&gt;</description>
						<author>نادر نعمت الهی</author>
						<category></category>
					</item>
					
					<item>
						<title>کلاسی از برآوردگرهای انقباضی بیزی برای پارامتر مقیاس توزیع وایبل براساس داده‌های سانسور شده</title>
						<link>http://irstat.ir/jss/browse.php?a_id=655&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;در آمار کلاسیک، براساس اطلاعات نمونه ای و به کمک &amp;nbsp;برآوردگرهای معمول مانند برآوردگرهای ماکسیمم درستنمایی&amp;nbsp;به برآوردیابی پارامتر مورد علاقه می پردازند. در آمار بیزی، براساس اطلاعات پیشینی و با ترکیب آن با اطلاعات نمونه ای برآوردگرهای&amp;nbsp;بیزی به دست می آیند. اما در بسیاری&amp;nbsp;از موقعیت های کاربردی، پژوهشگر دارای اطلاعاتی درباره&amp;nbsp;پارامتر نامعلوم به صورت یک حدس یا گمان است. با ترکیب این اطلاعات غیرنمونه ای با اطلاعات نمونه ای و اطلاعات موجود در توزیع&amp;nbsp;پیشینی، می توان برآوردگرهای انقباضی بیزی را به دست آورد که در حوزه آمار نیمه کلاسیک قرار می گیرند. در این مقاله، کلاسی از برآوردگرهای انقباضی بیزی برای پارامتر مقیاس توزیع وایبل&amp;nbsp;به عنوان تعمیمی از برآوردگرهای موجود &amp;nbsp;ارائه می شود و اریبی و مخاطره آن ها تحت تابع زیان لاینکس مورد بررسی قرار&amp;nbsp;می گیرند. سپس با استفاده از یک مجموعه داده واقعی، برآوردگرهای &amp;nbsp;پیشنهادی مقایسه می شوند. &amp;nbsp;&lt;/div&gt;</description>
						<author>مهران نقی زاده قمی</author>
						<category></category>
					</item>
					
	</channel>
</rss>
