---

موضوع تشخیص  نقطه تغییر یکی از چالش برانگیزترین مسایل آماری است، زیرا تعداد و موقعیت زمانی این نقاط ناشناخته هستند. در این مقاله ابتدا به معرفی مفهوم    نقطه تغییر پرداخته و سپس برآورد پارامترها در مدل اتورگرسیو مرتبه اول  AR(1) بررسی می‌شود. به‌منظور بررسی دقت برآوردگرهای بدست آمده یک مطالعه شبیه‌سازی انجام داده و در ادامه دقت و سازگاری برآوردگرها به کمک MSE  مورد بررسی قرار  می‌گیرد. نتایج شبیه‌سازی نشان دهنده سازگاری برآوردگر پارامترهای مدل است، به این معنا که با افزایش حجم نمونه میانگین مربع خطای برآورد پارامترهای مختلف به صفر میل می‌کند. در ادامه مدل  AR(1) با نقطه تغییر به داده‌های نرخ تورم سالانه (از سال 1323 تا 1401) برازش داده و به کمک آن نرخ تورم برای سال 1402و 1403  پیش‌بینی می‌شود.

---

در این مقاله با معرفی یک تعمیم جدید از توزیع لگ-لوژستیک، ویژگی‌ها و برآورد پارامترهای آن مورد مطالعه و بررسی قرار می‌گیرد. در این توزیع با اضافه شدن یک پارامتر، نشان داده می‌شود که با افزایش این پارامتر، شکل آن متقارن‌تر و کشیدگی آن کمتر می‌شود. همچنین بر خلاف توزیع اولیه، در توزیع جدید گشتاورهای توزیع و تابع چندکی آن همواره وجود دارد. علاوه بر این نشان داده می‌شود که در توزیع جدید، شاخص‌های قابلیت اعتماد مانند تابع نرخ شکست و تابع میانگین مانده عمر  و ترتیب‌های تصادفی از انعطاف پذیری بیشتری برخوردار هستند. همچنین ضمن برآورد پارامترهای توزیع به روش‌های نمودار لگ-لوژستیک  و درستنمایی ماکسیمم، به کمک مطالعات شبیه سازی، کارایی و سازگاری برآوردگرها بررسی شد. در نهایت با اجرای مدل جدید به روی داده‌های واقعی در حوزه تجهیزات هوابرد و  بیماران سرطان ریه کاربردی بودن مدل نشان داده شد.

---

در تحلیل سری‌های زمانی ممکن است با وضعیت‌هایی روبرو شده باشیم که در آن برخی از ارکان مدل، کمیت‌های نادقیق باشند. یکی از متداول‌ترین این وضعیت‌ها، نادقیق بودن مشاهدات تحت بررسی است که معمولا در اثر خطای اندازه گیری یا اشتباهات انسانی رخ می‌دهد. در این مقاله، یک مدل جدید سری‌زمانی اتو رگرسیو فازی مبتنی بر رویکرد ماشین بردار پشتیبان پیشنهاد می‌شود. برای این منظور، از تابع هسته برای استواری و انعطاف مدل و از قیود لحاظ شده در مدل برای کنترل نقاط استفاده شده است. به‌ منظور بررسی عملکرد و اثر بخشی مدل سری‌زمانی اتو رگرسیو فازی پیشنهادی، برخی معیارهای نیکویی برازش استفاده می‌شوند. نتایج به‌دست ‌آمده بر اساس یک مثال از داده‌های سری‌زمانی فازی شبیه‌سازی شده و دو مثال واقعی، نشان داد که روش پیشنهادی در مقایسه با سایر روش‌های موجود دارای عملکرد بهتری بوده است.

---

محققان با ساخت یک خانواده تعمیم‌یافته از توابع توزیع به دنبال یافتن مدل‌های آماری جدیدی هستند که بتوانند داده‌ها را در موضوعات مختلف نظیر مدیریت ریسک، اقتصاد و بیمه به خوبی برازش کنند. در این مقاله، یک توزیع جدید به نام توزیع لگ لوژستیک  نمایی توسعه‌یافته معرفی می‌شود که جزو توزیع‌های دم‌سنگین است. برخی ویژگی‌های آماری این توزیع از جمله گشتاورها، تابع مولد گشتاور، آنتروپی و منحنی‌های نابرابری  اقتصادی به دست آمده اند. شش روش برآوردیابی برای برآورد پارامترهای مدل معرفی شده و عملکرد برآوردگرهای پارامترهای مدل پیشنهادی با استفاده از مجموعه داده‌های تصادفی و این روش‌های برآورد بررسی شده است. علاوه بر این، برخی معیارهای بیمه‌ای نظیر ارزش در معرض خطر، ارزش در معرض خطر دمی، واریانس دمی و حق بیمه واریانس دمی  محاسبه شده‌اند. در نهایت، دو  مجموعه داده واقعی از حوزه بیمه به کار گرفته شده‌اند تا نشان داده شود که مدل پیشنهادی چگونه داده‌ها را نسبت به بسیاری از مدل‌های شناخته‌شده و مرتبط، بهتر برازش می‌دهد.

---

مدل‌های سری زمانی صحیح‌مقدار نقش مهمی در تحلیل داده‌های شمارشی وابسته ایفا می‌کنند. یکی از چالش‌های اساسی در این مدل‌ها تشخیص تغییرات ساختاری در طول زمان است. این تغییرات ممکن است ناشی از مداخله‌های ناگهانی مانند تغییر سیاست‌ها، همه‌گیری‌ها یا خرابی سیستم‌ها باشند. در این مقاله از روش درستنمایی تجربی برای کشف تغییرات ساختاری در کلاسی از فرایندهای خودبازگشتی صحیح‌مقدار استفاده می‌شود. این روش ابزاری برای هشدار زود هنگام درباره تغییرات ساختاری در این فرایندهاست. به کمک شبیه‌سازی، اندازه‌ها و توان‌های تجربی آزمون به ‌ازای حجم‌های نمونه‌ای مختلف محاسبه و  عملکرد آزمون مورد بررسی قرار می‌گیرد.  درنهایت کارایی عملی این آزمون با شناسایی نقطه تغییر در دو مجموعه داده واقعی جرائم مربوط به سرقت و  تعداد مرگ ‌و میر ناشی از کووید 19 بررسی شده است.

---

در دنیای صنعتی امروز، نگهداری مؤثر تجهیزات نقش مهمی در کاهش هزینه و افزایش بهره‌وری دارد. در این مقاله، آزمون‌های نیکویی برازش مبتنی بر معیارهای اطلاع شامل آنتروپی، اکستروپی و ورآنتروپی برای ارزیابی نوع تعمیر سیستم‌های قابل تعمیر معرفی می‌شوند. این آزمون‌ها با استفاده از داده‌های سن سیستم پس از تعمیر، برازش مدل تعمیر ناقص کاهش حسابی سن از مرتبه 1  را بررسی می‌کنند. توان آزمون‌های پیشنهادی با آزمون‌های کلاسیک مبتنی بر مانده‌های مارتینگل و تبدیل انتگرال احتمال مقایسه می‌شود. نتایج شبیه‌سازی نشان می‌دهند آزمون‌های پیشنهادی در تشخیص مدل‌های تعمیر ناقص عملکرد بهتری دارند. همچنین، کاربرد آن‌ها در داده‌های واقعی خرابی خودرو نشان می‌دهد این مدل  برازش مناسبی دارد.