<?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 شماره2</description>
<generator>Yektaweb Collection - https://yektaweb.com</generator>
<language>fa</language>
<pubDate>1388/12/10</pubDate>

					<item>
						<title>شناسایی نقاط دورافتاده در داده های نرمال بر اساس مقادیر Z اصلاح شده مشاهدات</title>
						<link>http://irstat.ir/jss/browse.php?a_id=40&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;justify&quot; style=&quot;DIRECTION: rtl&quot;&gt;در این مقاله، به دلیل اهمیت و گستردگی استفاده از توزیع نرمال، نمونه های مبتنی بر این توزیع در نظر گرفته شده، با استفاده از مقادیر برش وابسته به حجم نمونه، نقاط دورافتاده آنها شناسایی می شوند. برای به دست آوردن مقادیر برش بهینه یک مسا له تصمیم مطرح و به روشی کمبیشینه (مینیماکس) حل می گردد. در حل این مسا له از روش شبیه سازی بهره گرفته شده است .&lt;/p&gt;</description>
						<author>محمد ولی احمدی</author>
						<category></category>
					</item>
					
					<item>
						<title>روش‌های رگرسیونی هیسمن الستون در تحلیل پیوستگی ژنتیکی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=34&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p&gt;&amp;nbsp; یکی از مسائل مهم در علم ژنتیک مکان یابی یک ژن بخصوص به  منظور رسم نقشه ژنتیکی و در نهایت تولید داروهای موثرتر برای درمان است. مکان یابی ژن با تحلیل پیوستگی ژنتیکی انجام می شود. یکی از روش های آماری که در تحلیل پیوستگی ژنتیکی مورد استفاده قرار می گیرد، روش رگرسیونی هیسمن الستون است که در سال 1972 مطرح شد، و از آن پس ایرادات و پیشنهادات بسیاری در جهت تکمیل، به آن وارد شد. در مقاله حاضر این روش رگرسیونی و به کارگیری در تحلیل پیوستگی ژنتیکی معرفی و سیر تکاملی آن در طی سال های 1972 تا 2009 ارائه می گردد. در نهایت نحوه کاربست این روش در یک مثال کاربردی نشان داده خواهد شد.&lt;/p&gt;</description>
						<author>حمید علوی مجد</author>
						<category></category>
					</item>
					
					<item>
						<title>روش بوت استرپ بلوک مجزا برای تعیین اندازه‌های دقت برآورد پارامترهای تغییرنگار و پیشگویی فضایی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=39&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;&amp;nbsp; در اغلب مطالعات محیطی، داده ها بر حسب موقعیت شان در ناحیه مورد مطالعه معمولا وابسته فضایی هستند. تعیین ساختار همبستگی فضایی و پیشگویی دو مساله مهم در تحلیل داده های فضایی هستند. برای تحلیل این داده ها، اغلب یک مدل تغییرنگار پارامتری به تغییرنگار تجربی داده ها برازش داده می شود و براساس آن پیشگویی صورت می پذیرد. با توجه به اینکه شکل بسته ای برای برآوردگر پارامترهای تغییرنگار وجود ندارد، معمولا این پارامترها به صورت عددی برآورد می شوند. لاهیری (2003) روش بوت استرپ بلوک متحرک را برای داده های فضایی پیشنهاد نمود که در آن مشاهدات به بلوک هایی متحرک تقسیم و بازنمونه گیری از آنها صورت می پذیرد. چون در این روش حضور مشاهدات مرزی در بلوک های بازنمونه گیری شده نسبت به سایر مشاهدات شانس انتخاب کمتری دارند، برآورد اندازه های دقت اریب می باشند. در این مقاله، علاوه بر مرور روش بوت استرپ بلوک متحرک، روش بوت استرپ بلوک مجزا برای برآورد اندازه های دقت برآوردگر پارامترهای تغییرنگار و پیشگوی فضایی کریگینگ ارائه می شود. سپس نحوه کاربست این روش در یک مثال کاربردی نشان داده می شود.&lt;/p&gt;</description>
						<author>نصراله ایران پناه</author>
						<category></category>
					</item>
					
					<item>
						<title>مقایسه مدل های اتورگرسیو تبدلی مارکف و آستانه ای خود محرک برای نوسان های نرخ ارز ایران</title>
						<link>http://irstat.ir/jss/browse.php?a_id=41&amp;sid=1&amp;slc_lang=fa</link>
						<description>در اوایل سال 1381 اعمال سیاست یکسان سازی نرخ ارز موجب کاهش شدید ارزش اسمس ریال ایران در برابر هر دلار امریکا شد. لذا به علت وجود تغییرات ناگهانی و بزرگ نمی توان از سریهای زمانی خطی برای مدل بندی نوسان های نرخ تغییرات ریال ایران در برابر دلار امریکا استفاده نمود. در این مقاله مدل اتورگرسیو استانه ای خود محرک و مدل اتورگرسیو تبدلی مارکف مورد مقایسه قرار گرفته و نشان داده خواهد شد که تنها مدل اتورگرسیو تبدلی مارکف توانایی نشان دادن رفتار نرخ تغییرات ریال ایران در برابر دلار امریکا را دارد</description>
						<author>حمیدرضا مصطفایی</author>
						<category></category>
					</item>
					
					<item>
						<title>تاثیر ضریب همبستگی بر میزان تغییر آنتروپی توزیع توام ماکسیمم آنتروپی</title>
						<link>http://irstat.ir/jss/browse.php?a_id=96&amp;sid=1&amp;slc_lang=fa</link>
						<description>در این مقاله روشی برای بدست آوردن تابع توزیع احتمال توا م دو متغیره به طور تصادفی مرتب شده با معلوم بودن توزیع های حاشیه ای و ضریب همبستگی ارائه شده و نحوه اجرای آن در مثالی توضیح داده شده است. سپس به محاسبه میزان کاهش آنتروپی توزیع احتمال توام ماکسیمم آنتروپی با حاشیه ای های معین، وقتی قید ضریب همبستگی نیز لحاظ گردد، پرداخته می شود.</description>
						<author>شهرام منصوری</author>
						<category></category>
					</item>
					
					<item>
						<title>برآورد تابع چگالی در حضور داده‌های پرت</title>
						<link>http://irstat.ir/jss/browse.php?a_id=36&amp;sid=1&amp;slc_lang=fa</link>
						<description>&lt;p align=&quot;right&quot;&gt;&lt;font size=&quot;2&quot;&gt;&lt;font face=&quot;arial,helvetica,sans-serif&quot;&gt;&lt;span dir=&quot;rtl&quot; lang=&quot;AR-SA&quot; style=&quot;LINE-HEIGHT: 115% FONT-FAMILY: &quot;&gt;وجود مشاهدات پرت یکی از مهمترین موضوعات در استنباط آماری است. با توجه به این که این مشاهدات تاثیر زیادی بر روی مدل برازش شده و استنباط&lt;/span&gt;&lt;span style=&quot;LINE-HEIGHT: 115% FONT-FAMILY: &quot;&gt; &lt;span dir=&quot;rtl&quot; lang=&quot;AR-SA&quot;&gt;های مربوط به آن&lt;span style=&quot;mso-spacerun: yes&quot;&gt;&amp;nbsp; &lt;/span&gt;دارند، پیدا کردن روشی برای مشخص کردن اثر مشاهدات پرت ضروری است. هدف این مقاله بررسی تاثیر مشاهدات پرت بر روی برآورد تابع&lt;span style=&quot;mso-spacerun: yes&quot;&gt;&amp;nbsp; &lt;/span&gt;چگالی به روش هسته&lt;/span&gt; &lt;span dir=&quot;rtl&quot; lang=&quot;AR-SA&quot;&gt;ای است. در این مقاله با استفاده از&lt;span style=&quot;mso-spacerun: yes&quot;&gt;&amp;nbsp; &lt;/span&gt;روش جستجوی پیشرو، به شناسایی مشاهدات پرت و تاثیر آنها بر برآورد تابع چگالی به روش هسته&lt;/span&gt; &lt;span dir=&quot;rtl&quot; lang=&quot;AR-SA&quot;&gt;ای پرداخته می&lt;/span&gt; &lt;span dir=&quot;rtl&quot; lang=&quot;AR-SA&quot;&gt;شود. &lt;/span&gt;&lt;/span&gt;&lt;/font&gt;&lt;/font&gt;&lt;/p&gt;</description>
						<author>مینا توحیدی</author>
						<category></category>
					</item>
					
					<item>
						<title>خانواده ای دیگر از توزیع های دو متغیره با استقلال و همبستگی معادل</title>
						<link>http://irstat.ir/jss/browse.php?a_id=44&amp;sid=1&amp;slc_lang=fa</link>
						<description>با توجه به این که در توزیع نرمال دو متغیره، ناهمبسته بودن دو متغیر تصادفی معادل با استقلال آن ها است لذا بررسی این موضوع که آیا توزیع نرمال دومتغیره تنها توزیعی است که در آن این خاصیت وجود دارد جالب به نظر می رسد. در این مقاله سعی شده است با استفاده از مفاهیم مناسبی به این سوال پاسخ داده شود ویک خانواده دیگر از توزیعها معرفی شود که در آن ناهمبستگی واستقلال معادل است.</description>
						<author>رضا هاشمی</author>
						<category></category>
					</item>
					
	</channel>
</rss>
