<?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 1388 جلد3 شماره1</description>
<generator>Yektaweb Collection - https://yektaweb.com</generator>
<language>fa</language>
<pubDate>1388/6/10</pubDate>

					<item>
						<title>برآورد پارامترهای توزیع نمایی تعمیم‌یافته دو پارامتری تحت سانسور هیبرید واحد شده</title>
						<link>http://irstat.ir/jss/browse.php?a_id=26&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;&amp;nbsp; سانسور هیبرید واحد شده ترکیبی از دو سانسور هیبرید تعمیم یافته نوع I و II می   باشد. در این مقاله، طرح سانسور هیبرید واحد شده وقتی متغیرهای طول عمر، دارای توزیع نمایی تعمیم یافته دو پارامتری هستند، بررسی می شود. از آنجا که برآورد ماکسیمم درستنمایی پارامترها فرم بسته ای ندارند، لذا برای حل مشکل از روش تکرار عددی نیوتن رافسون استفاده می کنیم و با کمک ماتریس اطلاع فیشر مشاهدات، فاصله اطمینان مجانبی برای پارامترها بدست می   آوریم. با فرض آن که پارامترها مستقل و دارای توزیع پیشین گاما هستند، برآورد بیزی پارامترها را با کمک نمونه گیری از نقاط مهم بدست آورده و در یک مطالعه شبیه سازی طرح های مختلف با هم مقایسه می شوند. در انتها با یک مثال واقعی هدف مقاله بیشتر توضیح داده می شود.&lt;/p&gt;</description>
						<author>معصومه ایزانلو</author>
						<category></category>
					</item>
					
					<item>
						<title>براورد پارامترهای مدل رگرسیون لوژستیک ساخته شده با شبکه‌های عصبی واحد ضربی تکاملی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=638&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;div style=&quot;text-align: justify;&quot;&gt;یکی از ابارهایی که برای تعیین اثرات غیرخطی و اثرات متقابل بین متغیرهای تبیینی در یک مدل رگرسیون لوژستیک به کار می رود، استفاده از شبکه های عصبی واحد ضربی تکاملی است. به منظور براورد پارامترهای مدلی که بدین صورت به دست می آید. یک روش ترکیبی مورد استفاده قرار می گیرد؛ ین روش از ترکیب دو ابزار بهینه ساز کلاسیک و الگوریتم تکاملی ساخته می شود. در این ماله ساختار شبکه های عصبی به گونه ای تغییر داده می شود که تمام پارامترهای مدل با یک الگوریتم تکاملی قابل براورد باشند. سپس دو روش براورد مورد مقایسه قرار گرفته و نتایج نشان می دهد که براورد پارامترها با الگریتم های تکاملی منجر به مدلی می شود که از نظر معیار اطلاع آکائیک نسبت به مدل لوژستیک معمولی دقیق تر است، اما استفاده از روش ترکیبی، مدل بهتری را نتیجه می دهد.&lt;/div&gt;</description>
						<author>مریم ترک زاده ماهانی</author>
						<category></category>
					</item>
					
					<item>
						<title>تا ثیر انواع مختلف نقاط پرت بر مدل</title>
						<link>http://irstat.ir/jss/browse.php?a_id=28&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;&amp;nbsp; در این مقاله انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح و تغییر موقت در سری های زمانی معرفی و اثر آن ها در تعیین مدل، برآورد پارامترها و باقیمانده های مدل مورد بررسی قرار گرفته است. در مطالعه ای شبیه سازی، مدل (1و1) GARCH را در نظر گرفته و آن را با هر یک از نقاط پرت در نقطه زمانی خاصی ادغام کرده، سپس به بررسی و مقایسه تاثیر هر نوع نقطه پرت روی این مدل پرداخته شده است. در نهایت باقیمانده ها با حضور نقطه پرت و سری زمانی که از تفاضل باقیمانده ها با حضور نقطه پرت و بدون آن ها به دست می آید، مورد بررسی قرار گرفته و تاثیرات آن ها در نمودارها نشان داده شده است.&lt;/p&gt;</description>
						<author>رحیم چینی پرداز</author>
						<category></category>
					</item>
					
					<item>
						<title>ویژگی‌های توزیع چوله t- نرمال و مدل‌بندی داده‌های آلودگی تالاب شادگان</title>
						<link>http://irstat.ir/jss/browse.php?a_id=29&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;&amp;nbsp; توزیع چوله t - نرمال که توسط گامز و همکاران (2007) معرفی شده است، دارای دم های کلفت تر و ضرایب چولگی و کشیدگی با برد وسیع تر نسبت به توزیع چوله نرمال آزالینی (1985) است. برخی از ویژگی های این توزیع توسط گامز و همکاران (2007) و لاین و همکاران (2009) مطرح گردیده است. در این مقاله ویژگی های دیگری از توزیع چوله t - نرمال مورد بررسی قرار گرفته و چهار روش برای شبیه سازی از این توزیع ارائه شده است. سپس داده های میزان آلودگی تالاب شادگان به فلز وانادیوم با استفاده از توزیع چوله t - نرمال مدل بندی شده اند.&lt;/p&gt;</description>
						<author>آمنه خردمندی</author>
						<category></category>
					</item>
					
					<item>
						<title>برآورد تفاضل مخاطره‌های کولبک-لیبلر برای مشاهدات سانسوریده از راست نوع II تحت مدل‌های غیر آشیانه‌ای</title>
						<link>http://irstat.ir/jss/browse.php?a_id=30&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;&amp;nbsp; معیار آکائیک به طور گسترده در تئوری انتخاب مدل برای داده های کامل به کار گرفته می شود، اما برای داده های ناقص وقتی مدل ها غیرآشیانه ای و بد-توصیف شده هستند کمتر مورد توجه قرار گرفته است. در این مقاله به انتخاب یک مدل مناسب از بین مدل های رقابتی برای داده های سانسوریده از راست نوع II پرداخته می شود و اقدام به برآورد تفاضل مخاطره های بین دو مدل غیر آشیانه ای می گردد. سپس نشان داده می شود استنباط براساس داده های مشاهده شده و سانسوریده به طور همزمان به جای در نظر گرفتن فقط داده های مشاهده شده به نتایج بهتری منتهی خواهد شد. فاصله ردیابی مناسب برای تفاضل امید کولبک-لیبلر مشاهدات سانسوریده با احتمال مشخص معرفی می شود و از آنجا که هر فاصله اطمینان مجموعه ای از فرض های پذیرفتنی تحت فرض صفر است، فاصله به دست آمده برای انتخاب مدل مناسب به کار گرفته می شود.&lt;/p&gt;</description>
						<author>عبدالرضا سیاره</author>
						<category></category>
					</item>
					
					<item>
						<title>برازش مدل‌های رگرسیونی پویا با داده‌های پانلی توسط روش‌های ماکسیمم درستنمایی و بیزی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=31&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;&amp;nbsp; مدل های رگرسیونی پویا با داده های پانلی دارای کاربرد بسیاری در مطالعات اقتصادی و اجتماعی هستند. خصوصیت بارز این مدل ها وجود متغیرهای تاخیری به عنوان متغیر تبیینی است. این ویژگی باعث اغتشاش در خواص برآوردها توسط روش های معمول برآوردیابی خواهد شد. یک مسئله اساسی در مدل سازی مشاهدات پانلی تغییرپذیری بین واحدهای آزمایشی است که به علت پیچیدگی محاسبات در استفاده از روش های متداول برآوردیابی، اغلب این اثرات ثابت در نظر گرفته می شوند. در این مقاله استنباط آماری پارامترهای مدل رگرسیونی پانلی پویا با اثرات ثابت و تصادفی با روش های ماکسیمم درستنمایی و الگوریتم نمونه گیری گیبز انجام می شود. سپس این دو مدل را بر مجموعه ای از داده های اقتصادی مربوط به رگرسیون دارایی ها و بدهی های بانکی در ایران برازش داده و نتایج مورد تحلیل قرار می گیرند.&lt;/p&gt;</description>
						<author>ایرج کاظمی</author>
						<category></category>
					</item>
					
					<item>
						<title>تحلیل بیزی مقادیر کرانگین با استفاده از اسپلاین در مدل آمیخته تعمیم یافته</title>
						<link>http://irstat.ir/jss/browse.php?a_id=32&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;مدل بندی پاسخ های کرانگین در حضور اثرات غیرخطی، زمانی، فضایی و متقابل می تواند با مدل آمیخته صورت پذیرد. به علاوه اسپلاین همواری در مدل آمیخته و رهیافت بیزی تواما چارچوب مناسبی را برای استنباط مقادیر کرانگین فراهم می کنند. در این مقاله به کارگیری اسپلاین همواری برای اثر غیرخطی متغیر تبیینی در قالب یک مدل آمیخته تعمیم یافته بیان و برای تحلیل مقادیر کرانگین به کار می رود. برای این منظور فرض می شود که پاسخ های کرانگینی مشروط بر تحقق هایی از متغیر تبیینی و اثر تصادفی مستقل و دارای توزیع مقدار کرانگین تعمیم یافته باشند، سپس پارامتر مکان توزیع به صورت تابع ای هموار از متغیر تبیینی با استفاده از تکنیک-های مونت کارلوی زنجیر مارکوفی در رهیافت بیزی برآورد می شود. در پایان مدل ارائه شده برای مدل بندی کرانگین داده های ازن به کار می رود.&lt;/p&gt;</description>
						<author>بهزاد محمودیان</author>
						<category></category>
					</item>
					
	</channel>
</rss>
