نشریه ندا
سال چهاردهم شماره 2 (پاییز و زمستان 1395)

اعطای اعتبار و تسهیلات، همواره مبنای تداوم و رونق فعالیت های اقتصادی می باشد، بنابراین تخصیص بهینه و کارآمد منابع، مبتنی بر برقراری توازن بین ریسک و بازده، زمینه رشد و شکوفایی نظام اقتصادی را به همراه خواهد داشت. در این میان بانک ها همواره در قبال پرداخت اصل و سود منابع یا سپرده های جذب شده در سررسید معین یا قبل از آن متعهد می باشند؛ در صورتیکه بازگشت اصل و سود تسهیلاتی که از سوی بانک ها پرداخت می شوند بنا به دلایل متعددی ممکن است در معرض نکول قرار گیرد که به آن ریسک اعتباری می گویند. در واقع ریسک اعتباری عبارت است از احتمال عدم ایفای تعهدات مشتری یا طرف معامله به دلیل ناتوانی یا عدم تمایل، که منجر به زیان موسسه اعتباری یا بانک می شود. از طرف دیگر مسئله اصلی در مدیریت ریسک، اندازه گیری آن می باشد که این سنجش برای ریسک اعتباری در سطح پرتفوی اعتباری به دلیل وجود ساختار همبستگی پیچیده و مشکل است. در این مقاله، ضمن معرفی مدل های پرتفوی ریسک اعتباری، دو کلاس آن ها یعنی مدل های تک عاملی و مدل های آمیخته برنولی را مورد بررسی قرار داده و در نهایت در قالب مثالی با استفاده از نرم افزار R، آن ها شبیه سازی شده و سپس معیارهای اساسی ریسک نظیر ارزش در معرض خطر و ریزش مورد انتظار برای آن ها ارائه شده اند.

روش های ریاضی و توزیع های آماری، نتایجی دقیق در مسائل کاربردی از جمله فرایندهای هیدرولوژیکی و محیطی ارائه می دهند که در مقاله حاضر به دو نمونه از این توزیع های آماری و کاربردهای عملی آنها پرداخته شده است. در این مقاله با فرض این که X از مدل کوماراسو آمی و کوماراسو آمی نمایی شده پیروی می کند، پس از توضیح مختصری در مورد ویژگی های این 2 توزیع، اعتبار این مدل ها برای مجموعه ای از داده های واقعی بررسی شد. نتایج نیز مناسب بودن مدل های ارائه شده را برای مجموعه داده ها تایید می کنند.

در این مقاله به بررسی توزیع توام میانگین نمونه ای ($bar {X} $) و واریانس نمونه ای ($S^2$) در توزیع نرمال می پردازیم. در واقع هدف اصلی مقاله ارائه اثباتی ساده بر پایه روش استقرای ریاضی برای نشان دادن استقلال بین میانگین و واریانس نمونه ای است، زیرا در صورت وجود استقلال و با اطلاع از تابع چگالی $bar {X} $ و $S^2$، به سادگی می توان به توزیع توام دست یافت. همچنین اطلاعات مفیدی در مورد تاریخچه مطالعه بر روی استقلال میانگین و واریانس نمونه ای در توزیع نرمال و اولین کسی که در کارهای خودش به این موضوع پرداخته است، ارائه شده است.

در این مقاله با تاکید بر جنبه های عملی و با معرفی بسته های مختلف نرم افزار LRE {R} ‏، سری زمانی مصرف گاز خانگی یک خانوار چهار نفره در شهر اصفهان را با استفاده از دو روش تجزیه سری به مولفه های اصلی و روش مدل سازی LRE {SARIMA} پیش بینی می کنیم. برای انتخاب بهترین مدل از معیار LRE {‎AIC‎} و برای بررسی مناسبت مدل نهایی و آزمون درستی فرض هایی نظیر تصادفی و نرمال بودن مانده های آن به ترتیب‎ از آزمون های لیونگ-باکس و جارک-برا استفاده شده است. با معرفی معیارها و کاربست قابلیتهای نرم افزار LRE {R} نشان داده شده آست که چگونه از بین مدل های رقیب‏، مدل ‎LRE{‎SARIMA (0, 0, 1) (0, 1, 0) [8] } ‏ دارای بهترین عملکرد است. در پایان با استفاده از این مدل، مصرف گاز برای ماه های پیش رو پیش بینی شده است. به عبارت هدف از این مقاله‏، معرفی و بکارگیری قابلیت های بسته های مرتبط با تحلیل سری های زمانی در نرم افزار LRE {R} ‏، برای مدل سازی یک مجموعه داده ی واقعی ای‏، که دسترسی به آن ها براحتی از طریق درگاه اینترنتی مشترکین گاز‏ امکان پذیر است‏، می باشد. ‏

در مقاله حاضر، یک توزیع چهارپارامتری جدید با نرخ شکست افزایشی، کاهشی، u شکل و تک نمایی ارائه شده است که به توزیع پواسون- وایبل نمایی شده [1] (EWP) ، معروف است. توزیع جدید ارائه شده، در مسائل مخاطره ای کامل کاربرد دارد و با ترکیب توزیع پواسون و وایبل نمایی شده (EW) به دست می آید. این توزیع شامل چندین زیرمدل طول عمر مانند توزیع های پواسون- نمایی تعمیم یافته (GEP) ، پواسون- وایبل کامل (CWP) ، پواسون- نمایی کامل (CEP) ، پواسون- رایلی نمایی شده (ERP) و پواسون- رایلی (RP) می باشد. در این مقاله ویژگی هایی از توزیع جدید، مانند تابع چگالی احتمال ، قابلیت اطمینان و تابع نرخ شکست، چندک ها و گشتاورها را ارائه خواهیم نمود. زیر مدل هایی از توزیع پواسون- وایبل نمایی شده به طور جزئی مطالعه می شوند و در پایان کاربردهایی از داده های واقعی ارائه خواهد شد تا انعطاف پذیری و کارایی توزیع جدید را نشان دهند.