نشریه اندیشه آماری
سال نهم شماره 1 (پیاپی 17، بهار و تابستان 1383)

پیشرفت شگفت انگیر در محاسبات آماری با رایانه های سریع، موجب تحولاتی ژرف در اکثر علوم و از آن جمله در آمار شده است. تا چند دهه پیش، تحلیل مجموعه داده هایی که شامل بردارها یا ماتریس های با ابعاد زیاد بودند، مشکلی عمده به شمار می آمد، ولی امروزه چنین محاسباتی امری عادی به شمار می روند، اما تحلیل چنین داده های حجیم با ابزارها و روش های سابق تا حدودی به معنای نادیده انگاشتن اطلاعات جالب توجهی است که در آنها نهفته اند. بنابر این، از چندی قبل، ضرورت ابداع روش هایی جدید که از این پیشرفتهای محاسباتی بهره بر گیرند، احساس شده است...

امروزه کمتر پژوهشی است که از تکنیکهای آماری بی بهره باشد. در حقیقت استفاده از روش های آماری جهت بررسی، تجزیه و تحلیل، استنباط و ارائه راهکار در کلیه علوم امری رایج و ضروری است. با توجه به نیاز روزافزون به روش های آماری توانمند و مناسب، آمار شناسان به معرفی و ارائه روش های جدید و خلاق آماری می پردازند. علی رغم پیشرفتهای قابل توجه در این زمینه، متاسفانه هنوز هم برخی اشتباهات رایج در بکارگیری روش های آماری به چشم می خورد. این مهم در ایران با توجه به کمبودهای وافر در هر بخش نرم افزار و سخت افزار که بویژه در علوم آماری موجود است، این امر را حادتر می نماید...

فرض کنید یک نمونه تصادفی به حجم n از جامعه ای با تابع چگالی احتمال در اختیار داریم، که در آن مقدار حقیقی پارامتر باشد. هنگامی که مشاهدات به صورت صعودی مرتب شده باشند، این نکته که اطلاع فیشر در بین آنها چگونه توزیع شده است یا اینکه کدام قسمت از این آماره های ترتیبی اطلاع بیشتری در مورد پارامترهای مجهول جامعه در اختیار ما قرار می دهند، حائز اهمیت است. در این مقاله ابتدا اطلاع فیشر را معرفی می کنیم و تابع چگالی احتمال آماره های مرتب و روابط بازگشتی میان اطلاع فیشر آماره های مرتب و ارتباط آنها را با اطلاع فیشر کل نمونه برای توزیع بر نوع 12 مورد بررسی قرار می دهیم...

در این مقاله پس از معرفی اندازه های وابستگی تصادفی با جمع آوری داده های مربوط به شاخص های توسعه کشاورزی ابتدا مؤلفه های اصلی را بر اساس ماتریس کواریانس و همبستگی به دست آورده و متغیرهای تاثیر گذار را مشخص می کنیم. سپس با کمینه کردن اندازه وابستگی مبتنی بر آنتروپی نیز تعداد دلخواه متغیر مؤثر را مشخص و بعد داده ها را کاهش می دهیم، نتایج مقایسه همخوانی قابل قبولی را نشان می دهد.

توزیع های دو جمله ای و پواسن از جمله توزیع هایی هستند که در آمار و احتمال کاربردهای فراوانی دارند. اگرچه این دو توزیع تعاریف و فرمولهای مختلفی دارند ولی تحت شرایط خاصی به هم نزدیک می شوند. به سادگی می توان نشان داد چنانچه در توزیع دو جمله ای حجم نمونه (n) به بینهایت و احتمال موفقیت (P) به صفر میل کند و np مقدار ثابتی باقی بماند، توزیع دو جلمه ای به توزیع پواسن میل می کند و در این صورت است که می توان بجای توزیع دو جمله ای از توزیع پواسن استفاده کرد. با توجه به اینکه در عمل غیر ممکن است حجم نمونه به بینهایت و احتمال موفقیت به صفر برسد در این مقاله به دنبال شرایط عملی هستیم که با اندکی خطا (تقریب) بتوان بجای توزیع دو جمله ای از توزیع پواسن استفاده نمود. .،

در این مقاله پس از ذکر مفاهیم و نتایج اولیه نظریه فازی به کاربرد این نظریه در رگرسیون پرداخته و روش مینیمم مربعات را در رگرسیون فازی بر مبنای تعاریف مختلف برای باقیمانده (فاصله دو عدد فازی) بیان کرده و نحوه حل رگرسیون فازی را با استفاده از نرم افزار لینگو از طریق چند مثال توضیح می دهیم.

گاهی اوقات پیش می آید که ما فقط بخشی از اطلاعات نمونه ای مشاهده شده را نگاه می داریم. در این گونه موارد تحلیل اطلاعات موجود از طریق روش های آماری کلاسیک و متداول میسر نیست و بسته به اینکه چه اطلاعاتی از نمونه های مختلف در دست است، شیوه های خاص تحلیل مورد نیاز خواهد بود. ما در این مقاله این مساله را مورد توجه قرار داده ایم که بر اساس مقادیر میانگین، ماکزیمم و مینیمم از تعداد m نمونه تصادفی از یک جامعه نرمال هر یک به حجم n چگونه می توان بازده اطمینان دقیق برای میانگین به دست آورد...

مفاهیم وابستگی از ابزارهای مهم درک روابط بین رویدادهای تصادفی چند متغیره هستند. در مقاله حاضر، به بررسی مفهوم وابستگی رگرسیونی خواهیم پرداخت. به ویژه نشان خواهیم داد که چگونه می توان از توابع مفصل برای بررسی این نوع وابستگی سود جست. همچنین، به نوعی آزمون فرض در این مورد اشاره خواهیم کرد و با مثال های واقعی و عددی موضوع را تشریح خواهیم کرد.

در این مقاله با معرفی توزیع های a - پایدار به بررسی و کنکاش بیشتر این کلاس از توزیعها پرداخته شده است.