فهرست مطالب

نشریه اندیشه آماری
سال هجدهم شماره 2 (پیاپی 36، پاییز و زمستان 1392)

  • تاریخ انتشار: 1392/10/10
  • تعداد عناوین: 9
|
  • وابستگی دمی برای میانگین موزون دو تابع مفصل
    محمد امینی، مهلا قاسم نژاد، هادی جباری نوقابی صفحات 1-7
    در این مقاله خواص میانگینهای موزون توانی؛ حسابی؛ هندسی و هارمونیک دو تابع مفصل را بررسی می کنیم.
    کلیدواژگان: تابع مفصل، میانگین توانی، اندازه وابستگی دمی
    چکیده مشاهده متن زبان: فارسی
  • ممیزی سری های زمانی به روش هسته
    راضیه دهقانیان، رحیم چینی پرداز، بهزاد منصوری صفحات 9-20
    روش های کلاسیک ممیزی مانند خطی و درجه دوم در بسیاری از مدل های سری زمانی کارایی مناسب ندارند. در این صورت لازم است مشاهدات سری زمانی به صورت دیگری رده بندی شوند. روش ناپارامتری، ممیزی هسته مبتنی بر استفاده از برآورد تابع چگالی هسته به جای استفاده از مقادیر واقعی آن ها است. مهم ترین مسئله در برآورد تابع چگالی هسته انتخاب مقدار مناسب پارامتر هموارکننده است. تاکنون روش های مختلفی برای انتخاب پارامتر هموارکننده پیشنهاد شده است. در این مقاله روش های مختلف برآورد تابع چگالی احتمال هسته و روش مناسب انتخاب پارامتر هموارکننده که منجر به مقدار بهینه آن در ممیزی سری های زمانی می باشد به دست آورده شده است
    کلیدواژگان: فرآیند میانگین متحرک اتورگرسیو، ممیزی، روش های ممیزی هسته، پارامتر هموارکننده
    چکیده مشاهده متن زبان: فارسی
  • نرخ خطر معکوس در توزیع های آمیخته
    زهرا عرب برزو، غلامرضا محتشمی برزادران صفحات 21-25
    در این مقاله به معرفی اجمالی از نرخ خطر معکوس و توزیع های آمیخته پرداخته و سپس نرخ خطر معکوس در توزیع های آمیخته، زمان سپری شده از شکست در این توزیع ها را معرفی می کنیم، همچنین دو مدل جمعی و ضربی از نرخ خطر معکوس آمیخته را معرفی می کنیم و نشان می دهیم نرخ خطر معکوس آمیخته از K زیر جامعه با نرخ خطر معکوس افزایشی همواره افزایشی است.
    کلیدواژگان: نرخ خطر، نرخ خطرمعکوس، توزیع آمیخته، زمان سپری شده از شکست
    چکیده مشاهده متن زبان: فارسی
  • پیشگویی مقادیر رکوردهای آینده در توزیع نمایی
    سعید بگرضایی، ابراهیم امینی سرشت صفحات 27-34
    در این مقاله میخواهیم بر اساس مشاهدات اولین n رکورد بالایی از توزیع نمایی، برآورد حداکثر درستنمایی پارامتر این توزیع را بدست آوریم.سپس روی مسئله پیشگویی نقطه ای مقادیر رکوردهای بالایی آینده در توزیع نمایی بر اساس نگرشهای کلاسیک وبیز وتحت توابع زیان درجه دوم و لاینکس متمرکز می شویم.در پایان نیز از طریق شبیه سازی مونت کارلو به مقایسه عددی پیشگوهای نقطه ای بدست امده خواهیم پرداخت.
    کلیدواژگان: بیز، پیشگویی، توزیع پیشین، توزیع گامای معکوس، توزیع نمایی، مقادیر رکورد
    چکیده مشاهده متن زبان: فارسی
  • برآورد مقدار e به کمک متغیرهای تصادفی زمان توقف
    مهران نقی زاده قمی، آزاده کیاپور صفحات 35-38
    در این مقاله، به کمک متغیرهای تصادفی زمان توقف و انجام شبیه سازی، برآوردگرهای نااریب برای عدد نپر،e، به دست می آوریم.
    کلیدواژگان: توزیع یکنواخت، متغیرهای تصادفی زمان توقف، مقدار
    چکیده مشاهده متن زبان: فارسی
  • مقایسه ی پنج فاصله اطمینان معرفی شده برای پارامتر نسبت در توزیع دوجمله ای
    علیرضا شیروانی، مینا توحیدی صفحات 39-46
    تا به حال فاصله اطمینان های متعددی برای پارامتر نسبت توزیع دوجمله ای معرفی شده اند. هدف ما در این مقاله مقایسه ی پنج فاصله اطمینان معروف براساس مقدار دقیق ضریب اطمینان و میانگین احتمال پوشش آنهاست.
    کلیدواژگان: توزیع دوجمله ای، فاصله اطمینان، احتمال پوشش، ضریب اطمینان، میانگین احتمال پوشش
    چکیده مشاهده متن زبان: فارسی
  • مروری بر روش های عددی برای محاسبه برآوردهای نقطه ای و فاصله ای با استفاده از نرم افزار s-
    موسی عبدی، اکبر اصغرزاده صفحات 47-60
    برای محاسبه برآوردهای نقطه ای از جمله برآورد گشتاوری و درستنمایی ماکزیمم و برآوردهای فاصله ای از جمله فاصله های اطمینان کلاسیک، کوتاهترین فاصله اطمینان، فاصله اطمینان نااریب و فاصله اطمینان بیزی با بالاترین چگالی پسین HPD ممکن است به معادلاتی برخورد کنیم که باید از روش های عددی حل شوند. در این مقاله روش های عددی برای حل این گونه معادلات در قالب نرم افزار آماری S-PLUS مورد مطالعه قرار می گیرد. مثال های متنوعی برای تشریح روش های بیان شده ارائه می شود.
    کلیدواژگان: برآورد فاصله ای، برآورد نقطه ای، روش نقطه ثابت، روش نیوتن، رافسون، نرم افزار S، PLUS
    چکیده مشاهده متن زبان: فارسی
  • معرفی پیشین فرایند دیریکله در چارچوب مدلهای بیزی ناپارامتری
    دانشجو عاطفه جاویدی، دانشجو سمیه راه پیما، مجید جعفری خالدی صفحات 61-72
    مدل های آماری برای شناخت مکانیزمی که داده ها از آن تولید شده، استفاده می شود. در بیشتر مدل ها فرض می شود متغیرهای تصادفی Y_{i}، i=1،...،n، نمونه ای تصادفی از توزیع F هستند، که F متعلق به یک کلاس از خانواده توزیع های پارامتری است. اما در بسیاری از مسائل عملی نمی توان انتظار داشت که یک مدل پارامتری برای توصیف داده ها مناسب باشد. در این شرایط می توان فرض پارامتری را کنار گذاشت و از مدل های انعطاف پذیرو نیرومندتری برای تحلیل داده ها استفاده کرد. در چارچوب روش بیز ناپارامتری با تعریف یک توزیع پیشین روی فضای کل توزیع های احتمالی و فرض نمودن آن برای توزیع متغیر تصادفی این انعطاف پذیری حاصل می شود.
    بعبارت دیگر فرآیندهای تصادفی روی خانواده ای از توابع توزیع تعریف می شوند و بعنوان پیشین برای توزیع تصادفی بکار می روند. از جمله مهم ترین این پیشین ها فرآیند دیریکله است که دارای ویژگی های مهم و جالبی است، لذا در گستره وسیعی از مسائل بیز ناپارامتری مورد استفاده قرار می گیرد. در این مقاله این فرآیند و خواص آن معرفی می شود.
    کلیدواژگان: توزیع دیریکله، فرایند دیریکله، بیز ناپارامتری
    چکیده مشاهده متن زبان: فارسی
  • یک نمودار کنترل میانگین متحرک تغییرپذیری مبتنی بر چگالی پیش بین بیزی
    عاطفه مختاری حسن آبادی، منوچهر خردمندنیا صفحات 73-82
    اخیرا چندین نمودار کنترل در متون کنترل فرآیندهای آماری معرفی شده که بر اساس ایده چگالی پیش بین بیزی استوار است. در بین این نمودارها نمودار کنترل تغییرپذیری قرار دارد که ما آن را نمودار VBPD می نامیم.
    در این مقاله ما ایده میانگین متحرک را به نمودار VBPD اضافه می کنیم و به این ترتیب یک نمودار کنترل جدید معرفی می کنیم که تمام مزیت های نمودار اولیه VBPD را دارد و علاوه بر آن دارای یک مزیت جدید است، که آن مزیت جدید حساسیت نسبت به تغییرات کوچک در واریانس فرآیند می باشد. ما این نمودار جدید را نمودار MAVBPD می نامیم.
    در هر دو نمودار VBPD و MAVBPD، پارامترها مجهول فرض می شوند ولی آماره کنترل در هر دو مورد از یک توزیع معلوم فیشر پیروی می کند که در نتیجه برای محاسبه حدود کنترل نیازی به شبیه سازی نمی باشد.
    کلیدواژگان: میانگین متحرک، چگالی پیش بین بیزی، تغییرپذیری فرآیند
    چکیده زبان: فارسی
|
  • Tail dependence for weighted mean of two copula function
    En Mohammad Amini Pages 1-7
    View Paper Original: Persian
  • Discrimination of time series based on kernel method
    Razieh Dehghanian, Rahim Chinipardaz, Behzad Mansouri Pages 9-20
    Classical methods in discrimination such as linear and quadratic do not have good efficiency in the case of nongaussian or nonlinear time series data. In nonparametric kernel discrimination in which the kernel estimators of likelihood functions are used instead of their real values has been shown to have good performance. The misclassification rate of kernel discrimination is usually less than linear and quadratic methods because of its flexibility. However، the kernel estimates are depend on the bandwidth. This paper is concerned with the selection of bandwidth parameter to achieve an optimal discrimination with minimum rate misclassification. The methods obtained bandwidth examined via a simulation study.
    Keywords: Autoregressive moving average process, Discrimination, Kernel discrimination methods, Bandwidth
    Abstract View Paper Original: Persian
  • Reversed hazard rate of the mixture distributions
    Zahra Arabborzoo, Ghlamreza Mohtashami Borzadaran Pages 21-25
    In this article study summery of reversed hazard rate and mixture distributons then introduce reversed hazard rate mixture and waiting times of failure also introduce mixture reversed hazard rate additive modele and multiplicative and introduce behavioure mixture of k increasing reversed hazard rate (IRFR) Increasing(IRFR).
    Keywords: Hazard rate, reversed hazard rate, mixture distribution, waiting time
    Abstract View Paper Original: Persian
  • Future record values prediction in exponential distribution
    Saeed Bagrezaei, Ebrahim Aminiseresht Pages 27-34
    According to the first nth observations of the upper record from exponential distribution، in this article، we can compute maximum likelihood estimation of this distribution parameter. We، then، concentrate on point prediction of the future upper record values in exponential distribution based both on classic and Bayes approaches and second degree and linex loss functions. We، ultimately، deal with numerical comparison available point predictions through Monte Carlo simulation.
    Keywords: Bayes, Inverse gamma distribution, Predictor, Prior distribution, Record values
    Abstract View Paper Original: Persian
  • estimating the value of e using stopping time random variables
    Mehran Naghizadeh Qomi, Azadeh Kiapour Pages 35-38
    In this paper، we obtain unbiased estimators of e using stopping time random variables and simulation.
    Keywords: Uniform distribution, stopping time random variables, value of e
    Abstract View Paper Original: Persian
  • Comparison of five introduced confidence intervals for the binomial proportion
    Alireza Shirvani, Dr Mina Towhidi Pages 39-46
    So far many confidence intervals were introduced for the binomial proportion. In this paper، our purpose is comparing five well known based on their exact confidence coefficient and average coverage probability.
    Keywords: binomial distribution, confidence interval, coverage probability, confidence coefficient, average coverage probability
    Abstract View Paper Original: Persian
  • A Review of Numerical Methods for Computing Point and Interval Estimates by S-PLUS Package
    Mousa Abdi, Dr Akbar Asgharzadeh Pages 47-60
    For computing different point estimates such as method of moment and maximum like-lihood estimates and different interval estimates (classical confidence interval، unbi-ased confidence interval، HPD interval)، we may deal with the equations which need be solved numerically. In this paper، some numerical methods for solving these type of equations are reviewed in S-PLUS package. Various examples are presented to illus-trate the methods described.
    Keywords: ýInterval Estimationý, ýPoint Estimationý, ýFixed Point Methodý, ýNewton, Raphson Methodý, ýS, PLUS Package
    Abstract View Paper Original: Persian
  • Introducing of Dirichlet process prior in the Nonparametric Bayesian models frame work
    Student Atefe Javidi, Student Somayeh Rahpeima, Dr Majid Jafari Khaledi Pages 61-72
    Statistical models are utilized to learn about the mechanism that the data are generating from it. Often it is assumed that the random variables y_i،i=1،…،n، are samples from the probability distribution F which is belong to a parametric distributions class. However، in practice، a parametric model may be inappropriate to describe the data. In this settings، the parametric assumption could be relaxed and more flexible models could be used analysis of data. In the nonparametric Bayes approach، a prior distributions is defined over the whole space of probability distributions for random variable distribution. Due to the Dirichlet process (DP) has interesting properties، it is thus used extensively. In this paper، we introduce DP and its features.
    Keywords: Dirichlet Distribution, Dirichlet process, Nonparametric Bayes
    Abstract View Paper Original: Persian
  • A Moving Avarage Variation Control Chart based on Bayesian Predictive Density
    Atefe Mokhtari Hasanabadi, Manouchehr Kheradmandnia Pages 73-82
    Recently several control charts have been introduced in the statistical process control literature which are based on the idea of Bayesian Predictive Density (BPD). Among these charts is the variation control chart which we refer to it as VBPD chart. In this paper we add the idea of Moving Average to VBPD chart and introduce a new variation control chart which has all advantages of the original VBPD chart and in addition has a new advantage which is its sensitivity to small changes in process variance. We refer to this new chart as MAVBPD chart. In both VBPD and MAVBP charts، the parameters are assumed unknown but the control statistic has a known F distribution which means that، the control limits can be obtained without simulation.
    Keywords: moving average, Bayesian predictive density, process variation
    Abstract Original: Persian