فهرست مطالب

مجله علوم آماری
پیاپی 2 (پاییز و زمستان 1386)

  • تاریخ انتشار: 1386/08/11
  • تعداد عناوین: 6
|
  • آرشی محمد، طباطبایی سیدمحمدمهدی صفحه 95
    در این مقاله، با فرض اینکه در مدل رگرسیونی خطی چندگانه، بردار خطای تصادفی دارای توزیع t چند متغیره است، برآوردگرهای کمترین توانهای دوم تعمیم یافته، کمترین توانهای دوم تعمیم یافته مقید و تورنجش را برای بردار پارامتر مجهول مدل رگرسیونی بدست می آوریم. سپس با استفاده از تابع زیانهای مربعی و مربعی موزون، مخاطره برآوردگرهای بدست آمده را با یکدیگر مقایسه می کنیم و نشان می دهیم در شرایطی خاص کدامیک از برآوردگرها بر دیگری برتری دارند.
  • حبیبی راد آرزو، ارقامی ناصررضا صفحه 109
    برآورد آنتروپی (آنتروپی نمونه ای) برای اولین بار توسط واسیکک (1976) معرفی شد. ما نیز در این مقاله ابتدا برآورد آنتروپی از آماره های ترتیبی را که گسترشی از برآورد آنترپی است بیان می کنیم و سپس آزمون متقارن بودن توزیع بر اساس آنتروپی را در مقابل تعدادی از توزیع های نامتقارن (چوله) ارایه می دهیم و در ادامه توان آزمون پیشنهادی را با چند آزمون دیگر با کمک شبیه سازی مقایسه کرده و نشان می دهیم که روش پیشنهادی نسبت به روش پارک (1999) از توان بیشتری برخوردار است.
    کلیدواژگان: آنتروپی، برآورد آنتروپی، آزمون متقارن بودن توزیع
  • فریدروحانی محمد رضا، شفیعی هولیقی خلیل صفحه 121
    تاکنون مساله آشکارسازی سیگنال با استفاده از نظریه میدان های تصادفی توسط گروهی از آمارشناسان مورد بررسی قرار گرفته است. در این مقاله برآورد نقطه ای پارامترهای سیگنال یک میدان تصادفی گاوسی فضای مقیاس به روش بیزی را مورد بررسی قرار می دهیم. با توجه به پیچیدگی توزیع پسین پارامترهای این مدل و عدم وجود فرم بسته برای آن، با استفاده از روش مونت کارلوی زنجیر مارکوفی (MCMC)، برآوردهای مذکور را تقریب کرده ایم. در نهایت از روش پیشنهادی برای تحلیل داده های fMRI حاصل از یک مطالعه واقعی در موسسه عصب شناسی مونترآل کانادا استفاده کرده ایم.
    کلیدواژگان: میدان تصادفی، میدان گاوسی فضای مقیاس، مشتق رادن - نیکودیم، روش مونت کارلوی زنجیر مارکوفی (MCMC)
  • قره آغاجی اصل رسول، مشکانی محمد رضا، فقیه زاده سقراط، کاظم نژاد انوشیروان، بابایی غلام رضا، زایری فرید صفحه 139
    مدل بندی پاسخ های ترتیبی همبسته معمولا پیچیده تر از پاسخ های پیوسته یا دو حالتی است. روش های موجود در برخی حالات، به ویژه وقتی پاسخ دو یا چند متغیره مورد بررسی به صورت نامتقارن باشد، چندان توسعه نیافته اند. پیش از این روش های مختلفی برای تحلیل پاسخ های ترتیبی و همبسته در کتب و مقالات پیشنهاد شده اند. در اینگونه مدل بندی ها اگر حجم نمونه کم باشد تحلیل کلاسیک کارایی ندارد و بهترین روش فایق آمدن به این مشکل تحلیل مدل با رهیافت بیزی است. در این مقاله روش مدل بندی متغیر پنهان با یک توزیع پایه دو متغیره نامتقارن بکار برده و در با رهیافت بیزی تحلیل کرده ایم. با استفاده از پیشین های خاص و الگوریتم MCMC بهره گرفته و پارامترها را برآورد نموده ایم. به عنوان کاربرد این مدل را به داده های مربوط به زوج متغیرهای رتبه ای از چشم های راست و چپ 116 بیمار رتینوپاتی دیابتی بر حسب تعدادی متغیر مستقل برازانده ایم.
    کلیدواژگان: پاسخ های ترتیبی نامتقارن، MCMC، متغیر پنهان
  • گوهری محمودرضا، محمودی محمود، محمد کاظم، پاشا عین الله صفحه 157
    داده های بازگشتی یکی از انواع مهم داده ها بقا هستند که ویژگی عمده آنها همبستگی بین مشاهدات است. این ویژگی استفاده از مدل های بقا مانند رگرسیون کاکس که در آنها مستقل بودن مشاهدات یکی از فرضیات اصلی مدل است را ناممکن می سازد. مدل های شکنندگی یکی از رویکردهای عمده برای تحلیل داده های بازگشتی هستند. در این مدل ها یک متغیر شکنندگی ثابت به عنوان اثر خصوصیات فردی یا نماینده همه عواملی که سبب وابستگی بین مشاهدات می شوند به صورت ضربی وارد تابع خط می شود. در مقاله حاضر یک مدل شکنندگی با اثر تصادفی وابسته به زمان بر مبنای مدل های خطر نیمه پارامتری کاکس و با مولفه های شکنندگی که دارای فرایند گامای تکه ای هستند معرفی شده و کارایی آن در یک مطالعه شبیه سازی با یک مدل شکنندگی گاما با اثرات ثابت مقایسه گردیده است.
    کلیدواژگان: پیشامد بازگشتی، مدل شکنندگی، فرایند پواسن آمیخته
  • وحیدی اصل محمدقاسم، حسنی جلیلیان عبدالله صفحه 171
    در این مقاله ابتدا فرایندهای نقطه ای فضایی و برخی مشخصه های آن ها به اختصار معرفی می شود. سپس با تعریف فرایندهای کاکس فضایی در حالت کلی، یک زیر رده خاص آن ها؛ یعنی فرایندهای کاکس نوفه شلیک، مورد بررسی قرار می گیرد. سرانجام یک مدل توماس به داده های مکان زلزله های زاگرس برازش داده می شود.
    کلیدواژگان: فرایند نقطه ای فضایی، فرایند پواسون، فرایند کاکس، فرایند توماس، تابع شدت، تابع همبستگی زوجی، تابع K ریپلی، زلزله های زاگرس
|
  • Mohammad Arashi, Mahammad Mahdi Tabatabaei Page 95
    In this paper, we obtain the generalized least square, restricted generalized least square and shrinkage estimators for the regression vector parameter assuming that the errors have multivariate t distribution. Also we calculate their quadratic risks and propose the dominance order of the underlying estimators.
  • Arezoo Habibi Rad, Naser Reza Arghami Page 109
    The estimate of entropy (sample entropy), has been introduced by Vasicek (1976), for the first time. In this paper, we provide an estimate of entropy of order statistics, that is the extention of the entropy estimate. Then we present an application of the entropy estimate of order statistics as a test statistic for symmetry of distribution versus skewness. The proposed test has been compared with some other existing tests. A Monte Carlo simulation study shows that the proposed test has more power than the Park's (1999) test.
  • Mohammad Reza Farid Rohani, Khalil Shafiei Holighi Page 121
    In recent years, some statisticians have studied the signal detection problem by using the random field theory. In this paper we have considered point estimation of the Gaussian scale space random field parameters in the Bayesian approach. Since the posterior distribution for the parameters of interest dose not have a closed form, we introduce the Markov Chain Monte Carlo (MCMC) algorithm to approximate the Bayesian estimations. We have also applied the proposed procedure to real fMRI data, collected by the Montreal Neurological Institute.
  • Rasool Gharaaghaji, Mohammad Reza Meshkani, Soghrat Faghihzadeh, Anooshirval Kazemnejad, Gholam Reza Babaei, Farid Zaeri Page 139
    Modeling correlated ordinal response data is usually more complex than the case of continuous and binary responses. Existing literature lacks an appropriate approach to modeling such data. For small sample sizes, however, these models lose their appeal since their inferences are based on large samples. In this work, the Bayesian analysis of an asymmetric bivariate ordinal latent variable model has been developed. The latent response variable has been chosen to follow the generalized bivariate Gumble distribution. Using some specific priors and MCMC algorithms the regression parameters were estimated. As an application, a data set concerning Diabetic Retinopathy in 116 patients have been analyzed. This data set includes the disease status of each eye for patients as an ordinal response and a number of explanatory variables some of which are common to both eyes and the rest are organ-specific.
  • Mahmoud Reza Ghohari *, Mahmoud Mahmoudi, Kazem Mohammad, Eynollah Pasha Page 157
    Recurrent events are one type of the multivariate survival data. Correlation between observations on each subject is the most important feature of this type of data. This feature does not allow using the ordinary survival models. Frailty models are one of the main approaches to the analysis of recurrent events. Ordinary Frailty models assumed the frailty is constant over time, that is not realistic in many applications. In this paper we introduce a time-dependent frailty model. The introduced model is based on piecewise semiparametric proportional hazard and frailty variable followed a Gamma distribution. The frailty variable in the model has a gamma process that is constant during each interval and has independent increments in the beginning of each interval. We found a close form function for integrated likelihood function and estimated parameters of model. The efficiency of introduced model was compared with an ordinary constant gamma model by a simulation study.
  • Mohammad Ghasem Vahidi Asl, Abdollah Hasani Jalilian Page 171
    In this paper, first spatial point processes and their characteristics are briefly introduced. Then after defining the spatial Cox processes in general terms, a special subclass; that is shot noise Cox processes, are investigated. Finally a Thomas process is fitted to the locations of Zagros earthquakes.