مجله علوم آماری

مقایسه ملاک آکاییک و آزمون کاکس در مدل های غیر آشیانی

عبدالرضا سیاره

ملاک اطلاع آکاییک به طور گسترده ای برای انتخاب مدل به کار گرفته می شود، اما مقدار عددی آن تفسیر دقیقی ندارد. آزمون کاکس که تعمیمی از آزمون نسبت درستنمایی است برای انتخاب مدل از بین مدل های غیر آشیانی است یکی از معدود آزمون هابرای آزمون فرضیه های غیر آشیانی است. هنگامی که مدل درست دا ه ها مجهول است ، براساس ملاک اطلاع آکائیک یکی از مدل های رقیب انتخاب می شود. اما با قاطغیت نمی توان گفت که مدل انتخاب شده به وسله این ملاک تا چه اندازه برآورد مناسبی برای مدل درست است. زیرا مشخص نیست که مدل خوب -توصیف شده یا بد توصیف- شده است. در این مقاله ملاک اطلاع آکائیک وآزمون فرضیه کاکس و توانایی آن ها در ممیزی بین مدل ها مورد بررسی قرارگرفته است و به دکمک شبیه سازی به بررسی این موضوع پرداخته می شود که اگر براساس ملاک آکائیک، مدلی را به عنوان برآورد مدل درست بپذیریم آیا آزمون کاکس قدرت تشخیص مدل بهتر را دارد؟ همچنین به موضوع تعیین یک مجموعه از مدل های رقیب پرداخته و روشی برای انتخاب این مجموعه پیشنهاد می شود.

آزمون تقارن توزیع بر اساس آنتروپی رنی

ملیحه عباس نژاد مشهدی

در این مقاله ابتدا توزیع های متقارن بر اساس تفاضل آنتروپی رنی آماره های مرتب زیر نمونه ها ، مشخصه سازی می شوند. سپس آزمونی برای تقارن توزیع بر مبنای برآورد آنتروپی رنی آماره های مرتب معرفی می گردد. بر اساس روش شبیه سازی مونت کارلو، توان آزمون پیشنهادی محاسبه شده و با آزمون ارائه شده توسط حبیبی و ارقامی (1386) مقایسه می شود. نشان داده خواهد شد آزمون پیشنهاد شده برای برخی توزیع های جانشین از توان بالاتری برخوردار است.

بهبود الگوریتم ساختاری مونت کارلوی زنجیر مارکوف در مدل های چند سطحی با متغیر پاسخ نرمال

موسی گل علی زاده

مدل های چند سطحی در علوم کاربردی شامل علوم اجتماعی، جامعه شناسی، پزشکی و اقتصاد برای تحلیل داده های همبسته مورد استفاده قرار می گیرند. روش های متفاوتی برای برآورد این مدل ها با متغیر پاسخ نرمال وجود دارند. در این مقاله برای به کارگیری روش بیزی از تعمیم الگوریتم مونت کارلوی زنجیر مارکوف استفاده می شود که قالبی ساده داشته و باعث حذف همبستگی بین نمونه های شبیه سازی برای پارامترهای ثابت وخطای منتسب به گروه ها می شود. چون بعد ماتریس کواریانس بردار خطای جدید افزایش می یابد، برای تسریع همگرایی این روش دو راهکار بر مبنای تجزیه چولسکی ماتریس کواریانس پیشنهاد می شود. سپس عملکرداین روش ها در مطالعه شبیه سازی و مثالی کاربردی مورد ارزیابی قرار می گیرد.

کاربرد نظریه مقدار کرانگینی در برآورد مقدار در معرض خطر: بررسی موردی بیمه مسئولیت شرکت بیمه ایران

زهرا ماجدی

بر خلاف واریانس که قدرت تفکیک انحرافات مثبت و منفی راندارد، مقدار در معرض خطر معیار مناسبی برای محاسبه ریسک های مالی به شمار می رود که ریسک های منفی و واقعی را تبیین نموده و از آن می توان برای برآورد ریسک های احتمالی یک شرکت بیمه استفاده کرد. از سوی دیگر بررسی توزیع خسارت ها، به مدیران ریسک مالی کمک کند تا بهتر بتوانند در مورد تخصیص سرمایه تصمیم بگیرند. در این مقاله کارایی نظریه مقدار کرانگینی در برآورد مقدار در معرض خطر با کارایی سایر روشهای شناخته شده مدل سازی، از جمله مدلGARCH ، روش واریانس-کواریانس و شبیه سازی تاریخی مورد مقایسه قرار می گیرد و مدلی است برآورد دقیقتر و پایدارتری را نتیجه دهد، ارائه می شود. روش واریانس- کوواریانس، شبیه سازی تاریخی و مدلهای پارتو تعمیم یافته و پارتو تعمیم یافته سازوار برآوردهای نسبتاً پایدارتری را ارئه می دهند. همچنین برآوردهای حاصل از دو مدل GARCH(1,1) و GARCH(1,1)-t دارای نوسان های بالایی هستند. در مجموع مدل های پارتو تعمیم یافته، روش شبیه سازی تاریخی و مدل GARCH(1,1)-t برآوردهای دقیقتری را ارائه می دهند.

تعیین اندازه نمونه بیزی برای توزیع نرمال با استفاده از فاصله های با کمترین زیان پسین

نرگس نجفی

در این مقاله ابتدا به معرفی فاصله های p-تحمل با کمترین زیان پسین پرداخته و سپس به کمک تابع زیان توان دوم خطا و استفاده از سه روش متوسط طول، متوسط همگرائی و بدترین برآمد به محاسبه اندازه نمونه برای برآورد پارامتر ɵدر توزیع نرمال با توزیع پیشین نرمال پرداخته می شود.

D- کارایی طرح های D-بهینه برای مدل پواسون با عرض از مبدا تصادفی

مهرداد نیاپرست

عمده تحقیقات بهینه سازی طرح برای مدل های با اثرات آمیخته روی مدل های خطی و مدل های با پاسخ دودویی تمرکز دارد. اخیرا مدل های پواسون با اثرات تصادفی نیز توسط بعضی از محققین در نظر گرفته شده است. در این مقاله حالتی خاص از مدل های آمیخته پواسون تحت عنوان مدل پواسون با عرض از مبداء تصادفی بررسی می شود. تغییرات طرح آزمایش بر حسب واریانس اثر تصادفی را بدست آورده و نشان داده می شود که این تغییرات وابسته به پارامتر واریانس است. به کمک ملاک D-کارایی تاثیر اثر تصادفی روی نقاط طرح در مقایسه با مدل های متناظر بدون اثر تصادفی بررسی و نشان داده می شود که این کارایی به مقدار واریانس اثر بستگی دارد.

بار پاسخ‌گویی و روش‌های ارزیابی آن

حمیدرضا نواب پور

به موازات گسترش زندگی اجتماعی و کاربرد روز افزون آمار در برنامه ریزیها، تقاضا برای تلید و انتشار اطلاعات اقتصادی و اجتماعی رشد چشمگیری داشته است. یکی از روشهای گردآوری چنین اطلاعاتی استفاده از آمارگیریهای نمونهای است. کیفیت داده های حاصل از آمارگیریها برای صاحبنظران و برنامه ریزان مهم است. در سالهای اخیر مفهوم بار پاسخگویی به عنوان یکی از مو لفه های نوظهور کیفیت داده ها بیان شده است. متاسفانه در نظام آماری ملی ایران به منظور بهبود کیفیت داده های آمارگیری هیچ اقدامی برای ارزیابی بار پاسخگویی صورت نگرفته است. ما در این مقاله روشهای موجود اندازه گیری بار پاسخگویی را معرفی کرده و فعالیت های صورت گرفته در دیگر کشورها را به منظور ارزیابی بار پاسخگویی تحمیل شده در طرحهای آمارگیری، بیان می کنیم. رهیافت معمول برای ارزیابی بار پاسخگویی، طراحی یک آمارگیری با عنوان بار پاسخگویی تحمیلی و اجرای آن همراه با آمارگیری میزبان است. به منظور نشان دادن چگونگی طراحی، اجرا و تحلیل نتیجه های این آمارگیری، نمونه ای از آن که برای اندازه گیری بار پاسخگویی تحمیلی در آمارگیری سلامت در دانشکده اقتصاد دانشگاه علامه طباطبایی اجرا شده است؛ ارایه می شود.