نشریه ندا
سال دوازدهم شماره 1 (بهار و تابستان 1393)

در این مقاله ابتدا به معرفی نمودار ستاره ای پرداخته و سپس طریقه رسم این نمودار را به کمک نرم افزار R شرح می دهیم. در ادامه در چارچوب یک مثال و با کمک گرفتن از این نرم افزار یک سری داده چند متغیره مورد بررسی و تحلیل توصیفی قرار می گیرد.

خودگردان ساز (بوت استرپ) از روش های باز نمونه گیری است که امروزه کاربرد گسترده ای در علم آمار دارد. این روش انواع مختلفی دارد. در این مقاله روش خودگردان ساز بیزی، که خود شامل روش های ناپارامتری و پارامتری است مورد بررسی قرار گرفته، و روش به دست آوردن آن ها در مثال های جداگانه ارائه شده است..

پژوهش های سالهای اخیر نشان می دهد اگر چه توزیع نرمال دارای کاربردهای بسیاری در زمینه های گوناگون علمی است اما وضعیت های زیادی وجود دارد که در آنها این مدل که توزیعی متقارن است، برای داده ها برازش مناسبی نیست. به همین دلیل کلاس های جدیدی از توزیع ها که برای داده های مختلف دارای انعطاف پذیری بیشتری هستند، معرفی شده اند. از جمله می توان به توزیع اسلش که یک توزیع دم-سنگین و متقارن است، اشاره کرد که در دهه ی اخیر از سوی محققان زیادی مورد توجه قرار گرفته است. در این مقاله با استفاده از مجموعه داده های واقعی که در متون مربوط به مبحث رگرسیون با توزیع نرمال برازش داده شده است ما با در نظر گرفتن مولفه های خطا با توزیع اسلش به اهمیت این توزیع در مباحث رگرسیونی می پردازیم.

مسئله مدلسازی آماری داده ها یکی از مباحث مهم رشته آمار می باشد.بدین منظور تشخیص توزیع مناسب برای این کار حائز اهمیت است در این زمینه توزیع نرمال کاربرد فراوانی دارد اما در برخی موارد ممکن است این فرض برقرار نباشد که باید از توزیع مناسب دیگری استفاده شود. یکی از این توزیع ها توزیع نوع کاتز می باشد که دم های کلفت تری نسبت به توزیع نرمال چند متغیره دارد. این توزیع برای اولین بار توسط کاتز (1975) به عنوان تعمیم توزیع نرمال چندمتغیره معرفی شد. کاربرد این توزیع در اکولوژی، تحلیل تشخیصی، ریاضیات مالی و پردازش سیگنال می باشد. در این مقاله ضمن معرفی این توزیع به بررسی ویژگی های آن می پردازیم و با ارائه یک مثال کاربردی برآورد حداکثر درستنمایی پارامترهای آن را به دست آورده و استنباط آماری با فرض توزیع نوع کاتز انجام می دهیم.

مدل های خطای اندازه گیری زمانی ارائه می شوند که متغیرهای به کار گرفته شده در مدل با خطا اندازه گیری شده باشند. در این حالت برای برآورد ضرایب مدل، روش کمترین مربعات با استفاده از مشاهدات اصلی، برآوردهایی اریب را نتیجه می دهد. بر این اساس در این مقاله روش کمترین مربعات تعمیم یافته که منجر به یافتن برآوردگرهای نااریب می شود، معرفی می گردد.