فهرست مطالب

  • سال پانزدهم شماره 2 (پاییز و زمستان 1396)
  • تاریخ انتشار: 1396/08/17
  • تعداد عناوین: 5
|
  • مهدیه بیات، سمانه افتخاری مهابادی صفحات 1-16

    مدل های حاشیه ای توسیعی از مدل های خطی تعمیم یافته براساس راهکار معادلات برآوردگر تعمیم یافته ‎ (lr {GEE}) ‎ هستند. از مدل های حاشیه ای می توان بعنوان یکی از روش های مدل سازی مطالعات طولی که شامل پاسخ های غیرنرمال با مقیاس های متفاوتی هستند که در طول زمان بطور تکراری اندازه گیری می شوند، استفاده کرد. در این مقاله بدنبال پیدا کردن عوامل موثر بر برخی نشانه های کولیک نوزادان هستیم. برخی از این نشانه ها شامل مواردی همچون مدت زمان گریه، تعداد دفعات گریه، مدت زمان خواب و شدت گریه هستند که بعنوان متغیرهای پاسخ غیرنرمال، در طول یک هفته مداخله اندازه گیری شده اند.

    نتایج برازش مدل های حاشیه ای‎ (GEE) ‎ و انتخاب بهترین مدل برای هریک از پاسخ های گفته شده، با استفاده از محک شبه درستنمایی ‎ (QIC) ‎

    گزارش شده است و این نتایج

    حاکی از معناداری اثر عواملی مانند روش های درمانی ماساژ و تکان، تعداد و مدت زمان گریه نوزاد یک روز قبل از شروع مطالعه بر روی متغیرهای پاسخ است.
    واژه های کلیدی: مطالعات طولی، معادلات برآوردگر تعمیم یافته، کولیک نوزادی
    نتایج برازش مدل های حاشیه ای‎ (GEE) ‎ و انتخاب بهترین مدل برای هریک از پاسخ های گفته شده، با استفاده از محک شبه درستنمایی ‎ (QIC) ‎

    گزارش شده است و این نتایج

    حاکی از معناداری اثر عواملی مانند روش های درمانی ماساژ و تکان، تعداد و مدت زمان گریه نوزاد یک روز قبل از شروع مطالعه بر روی متغیرهای پاسخ است.

    کلیدواژگان: مطالعات طولی، معادلات برآوردگر تعمیم یافته، کولیک نوزادی
  • رضا فرهادیان صفحات 17-30

    ریاضیدان بی نظیر قرن هجدهم، لئونارد اویلر، پیشرفت های گسترده ای را حاصل نمود که در علم آمار مفید واقع شدند. این پیشرفت ها شامل توابع بتا و گاما، جمع زنی سری های نامتناهی، حساب تغییرات، تابع فی اویلر، مربع های لاتین و گریکو-لاتین و توابع مولد هستند. همه اینها در این مقاله گردآوری شده و توضیح داده شده اند.

    کلیدواژگان: توابع بتا و گاما، حساب تغییرات، ثابت گامای اویلر، تابع فی اویلر، توابع مولد، مربع های لاتین و گریکو-لاتین
  • احمدعلی اشتری نژاد ، حسن صادقی صفحات 30-39

    آزمون نیکویی برازش توزیع نمایی از دیرباز مورد توجه محققان بسیاری قرار داشته است. این آزمون ها باتوجه به نوع مشخصه سازی توزیع نمایی تقسیم بندی می شوند. در این پژوهش ابتدا چهارچوب آزمون مبتنی بر داده های تبدیل یافته را با استفاده آنتروپی تشریح کردیم. سپس آزمون هایی را بر مبنای برآوردگرهای آنتروپی معرفی نمودیم. در انتها ضمن تشریح سایر آزمون های کلاسیک به منظور مقایسه آزمون ها از توزیع های متقابل متفاوت شبیه سازی نموده و توان آزمون ها را بدست آوردیم. نتایج حاصل شده حاکی از آن است که هرچند هیچ آزمونی بر سایر آزمون ها برتری کامل را نداشته ولی آزمون های مبتنی بر آنتروپی در بیشتر موارد برتری محسوسی نسبت به سایر آزمون ها داشته اند.

    کلیدواژگان: آزمونهای کلاسیک نیکویی برازش، آنتروپی، برآوردگرهای آنتروپی، توان آزمون ‎
  • اباذر خلجی ، زهرا شاه محمدی صفحات 40-46

    برای‎ شناسایی نقاط دورافتاده یک متغیره روش هایی وجود دارد که در حالت چندمتغیره کارامد نیستند‏. علاوه بر این زمانی که چندین مشاهده دورافتاده در مجموعه داده های چندمتغیره وجود دارد‏، شناسایی نقاط دورافتاده چندمتغیره امری دشوار و نیازمند روش های محاسباتی می باشد. روش های شناسایی کلاسیک اغلب قادر به شناسایی این نقاط نیستند. زیرا بر پایه بردار میانگین و ماتریس کوواریانس آلوده به شناسایی نقاط دورافتاده می پردازند. به همین دلیل با مساله درون آوری مواجه می شوند. برای مقابله با درون آوری فواصل باید بر اساس برآوردگرهای استوار محاسبه شوند. در این مقاله از برآوردگرهای کمینه دترمینان ماتریس کوواریانس و بیضی گون کمینه حجم که دارای بیشینه فروریختگی می باشند در محاسبه فواصل بهره جسته ایم.

    کلیدواژگان: نقاط دورافتاده ، فاصله ماهالانوبیس ، فاصله استوار
  • میلاد اسدزاده ، مسعود قاسمی بهجانی صفحات 47-55

    در این مقاله با استفاده از توابع زیان درجه دوم و لینکس، حجم نمونه را به روش بیز در برآورد تفاضل بین میانگین های دو توزیع نرمال از دو جامعه ی متفاوت به قسمی می یابیم که هزینه ی نمونه گیری مینیمم شود. در این فرآیند برای مینیمم کردن هزینه از تابع هزینه ی لیندلی استفاده می کنیم. در برخی حالات بدلیل دشوار بودن محاسبات، حجم نمونه را نمی توان به روش تحلیلی بدست آورد، به همین دلیل به کمک روش های عددی حجم نمونه ی مطلوب را بدست می آوریم.

    کلیدواژگان: توزیع نرمال، تفاضل میانگین ها، تابع هزینه و ریسک پسین