---

در این مقاله توزیعی جدید بر مبنای توزیع وایبول ارائه می‌شود و سپس خواص این توزیع جدید مورد بررسی قرار گرفته و با استفاده از یک مجموعه داده واقعی با برخی توزیع های تعمیم‌یافته توزیع وایبول مورد مقایسه قرار می‌گیرد.

---

---

در این مقاله توزیعی جدید بر مبنای توزیع وایبول ارائه  می‌شود. این توزیع دارای سه پارامتر است که نرخ شکست‌های صعودی، نزولی، وان شکل، تک‌مدی و صعودی نزولی صعودی را شامل می‌شود. سپس خواص  توزیع مورد بررسی قرار می‌گیرد آنگاه با استفاده از یک مجموعه  داده واقعی ویژگی‌های آن با برخی از تعمیم‌های توزیع وایبول مقایسه می‌شود.

---

یک روش مناسب در برازش داده‌های نامتقارن و تحلیل داده‌هایی با ساختار غیر نرمال, استفاده از کلاس توزیع‌های وزن‌دار شده است. در این مقاله خانواده دیگری از توزیع‌های چوله-لاپلاس بر اساس تابع وزن دو پارامتری و به منظور برازش بهتر داده‌هایی از جوامع نامتقارن چند مدی و غیر نرمال معرفی می‌شود. همچنین برخی مشخصه‌های اصلی توزیع از جمله چولگی و کشیدگی, تابع مولد گشتاور و غیره مورد بررسی قرار گرفته‌اند. در انتها نیز کاربرد توزیع برای برازش به داده‌ها، با استفاده از یک مجموعه داده‌ واقعی مورد بررسی قرار گرفته است.

---

توجه به تابع مفصل به منظور مدل‌سازی ساختار وابستگی داده‌ها در دهه‌های اخیر بسیار رایج شده است. سه روش گشتاوری، ترکیبی و گشتاور مفصل برای برآورد پارامتر وابستگی تابع مفصل در حضور داده دورافتاده در این مقاله مورد نظر است. هرچند روش گشتاوری یک روش قدیمی است، اما گاهی اوقات این روش منجر به برآورد نامناسبی می‌گردد. در نتیجه، دو روش دیگر برآورد پارامتر بر پایه گشتاوری برای بهبود برآورد پارامتر در نظر گرفته شده‌اند. نتایج مطالعه شبیه‌سازی نشان داد که وقتی از روش گشتاور مفصل و روش ترکیبی برای مفصل در حضور داده دورافتاده استفاده می‌کنیم، میانگین مربع خطای به دست آمده کوچک‌تر است. همچنین روش گشتاور مفصل بهترین برآورد براساس میانگین مربع خطا است. در نهایت، نتایج عددی به دست آمده در یک مثال کاربردی به کار گرفته می‌شود.

---

در این مقاله ابتدا مدل‌های سلسله مراتبی نیم-پارامتری معرفی می‌شود. سپس با ارائه نسخه جدیدی از تابع درستنمایی تجربی (تابع درستنمایی تجربی توأم مقید)، از آن برای برآورد پارامترهای انقباضی در مدل‌های سلسله مراتبی نیم-پارامتری  استفاده خواهد شد.  تحت فرض‌های مختلف کارآمدی استفاده از تابع درستنمایی تجربی توأم مقید در تحلیل مدل‌های سلسله مراتبی نیم-پارامتری با یک مطالعه شبیه‌سازی  بررسی می‌گردد. همچنین از روش معرفی شده در این مقاله برای تحلیل داده‌های تعداد تأخیر پروازهای شرکت‌های مختلف هواپیمایی استفاده خواهد شد.

---

در این مقاله، معیار  اکستروپی باقیمانده تجمعی موزون پویا به عنوان تعمیمی از معیار اکستروپی باقیمانده تجمعی موزون معرفی می‌شود. ارتباط معیار پیشنهادی با معیارهای قابلیت اعتماد از قبیل میانگین باقیمانده عمر موزون، تابع نرخ خطر و گشتاور شرطی مرتبه دوم مورد مطالعه قرار می‌گیرد. همچنین، خواص مشخصه‌سازی، کران‌های بالا و پایین، نامساوی‌ها و ترتیب‌های تصادفی براساس اکستروپی باقیمانده تجمعی موزون پویا و تاثیر تبدیل خطی بر آن ارائه خواهد شد. سپس، یک برآوردگر ناپارامتری به روش تجربی برای معیار معرفی‌شده ارائه و خواص مجانبی آن مطالعه می‌گردد. در انتها، به ارائه کاربردی از اکستروپی باقیمانده تجمعی موزون پویا در انتخاب توزیع مناسب داده‌ها توسط یک مجموعه داده‌ واقعی پرداخته می‌شود.

---

در این مقاله، روش‌های استنباط آماری برای توزیع لیندلی-وایبول در شرایط فقدان داده‌های کامل و در دسترس بودن تنها مقادیر رکورد بالا توسعه یافته است. با بهره‌گیری از نظریه رکوردها، توابع درستنمایی مربوط به رکوردهای بالا استخراج شده و برآوردگرهای ماکسیمم درستنمایی پارامترها ارائه گردیده است. همچنین، روشی برای پیش‌بینی رکوردهای آینده بر مبنای رکوردهای مشاهده شده پیشنهاد شده است. عملکرد روش‌های ارائه شده از طریق مطالعه شبیه‌سازی و نیز کاربرد روی داده‌های واقعی مربوط به دبی اوج سیلاب مورد ارزیابی قرار گرفته است. نتایج حاکی از آن است که توزیع لیندلی-وایبول از انعطاف‌پذیری مطلوبی در مدل‌سازی داده‌های رکوردی برخوردار بوده و روش‌های استنباطی توسعه یافته از دقت و قابلیت اطمینان مناسبی در برآورد پارامترها و پیش‌بینی مقادیر آینده برخوردارند.