یکی از نقایص سانسور فزاینده نوع دو، نامحدود بودن زمان انجام آزمایش است. به همین دلیل طرح جدید سانسور هیبرید فزاینده نوع دو در سال های اخیر مورد توجه آماردانان قرار گرفته است. در این مقاله تحلیل داده های سانسور هیبرید فزاینده نوع دو، زمانی که داده ها از توزیع نیمه لوژستیک پیروی کنند ارائه می شود. برآوردهای ماکسیمم درستنمایی و ماکسیمم درستنمایی تقریبی پارامتر و برآورد بیزی پارامتر با دو روش تقریب...

تعیین چگالی های ناشناخته در بسیاری از کاربردها نظیر مدل های بیزی پیچیده تنها به کمک شبیه سازی ممکن بوده و در این میان روشهای مونت کارلوی زنجیر مارکوفی بیشترین سهم را دارند. روش های مختلف مونت کارلوی زنجیر مارکوفی ، امروزه به عنوان ابزاری اساسی در قلمرو علم آمار و به ویژه در مباحث بیزی بکار رفته و همراه با افزایش قدرت پردازش و سرعت محاسبات کامپیوترها در حال تکمیل و گسترش می باشد. در این پایان نا...

یکی از نقایص سانسور فزاینده نوع دو، نامحدود بودن زمان انجام آزمایش است. به همین دلیل طرح جدید سانسور هیبرید فزاینده نوع دو در سال‌های اخیر مورد توجه آماردانان قرار گرفته است. در این مقاله تحلیل داده‌های سانسور هیبرید فزاینده نوع دو، زمانی که داده‌ها از توزیع نیمه‌لوژستیک پیروی کنند ارائه می‌شود. برآوردهای ماکسیمم درستنمایی و ماکسیمم درستنمایی تقریبی پارامتر و برآورد بیزی پارامتر با دو روش تقر...

یکی از شیوه­های تجزیه و تحلیل داده های مالی و بررسی چگونگی تغییرات آن ها در طی زمان معین در گذشته و پیش بینی چگونگی رخداد آن ها در آینده استفاده از مدل های سری های زمانی است. در مباحث مالی به دلیل نا هم واریانس بودن مشاهدات موجود، نمی توان از مدل های سری های زمانی کلاسیک استفاده کرد. در این حالت، یکی از مدل های متداول، مدل های نوع گارچ[i] (garch) است که نشان دهنده رده وسیعی از مدل های اقتصادسن...

براورد پارامترهای این مدلها با روش های کلاسیک به سختی انجام می گیرد. لذا روش های mcmc برای براورد این پارامترها استفاده می کنیم. مدل گارچ مورد بررسی در این تحقیق دارای تحقیق دارای دو توزیع نرمال و تی استودنت است، لازم به ذکر است که با استفاده از روش های مدل گزینی بیزی نیز درستنمایی مدل براورد می شود.

براورد بیزی مدل های nig از طریق روش های مونت کارلوی زنجیر مارکوفی از طریق روش مونت کارلوی زنجیر مارکوفی صورت می گیرد

در تحلیل بیزی مدل‌های رگرسیون جمعی ساختاری که قالبی انعطاف پذیر از مدل‌های آماری در زمینه‌های کاربردی دارند توزیع‌های پسینی فرم بسته‌ای ندارند و استفاده از الگوریتم‌های مونت کارلوی زنجیر مارکوفی به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمان‌بر هستند. روش تقریب لاپلاس آشیانی جمع بسته می‌تواند با استفاده از تقریب‌های گاوسی و لاپلاس نیاز به شبیه‌سازی‌های سنگین را مرتفع سازد. در ا...

 به کارگیری متغیرهای کمکی برای اصلاح برآوردگرها روشی متداول در آمار و به خصوص بررسی های نمونه ای است. به عنوان مثال می توان به برآوردگرهای نسبتی و رگرسیونی در نمونه گیری اشاره کرد. با فرض معلوم بودن مجموع جامعه کمکی و برقرار بودن یک سری شرایط، برآوردگرهای کالیبره و واریانس آنها را می توان با استفاده از برآوردگرهای رگرسیونی تعمیم یافته به دست آورد. در این مقاله، با فرض نامعلوم بودن مجموع مت...

در آمار فضایی متغیر مورد اندازه گیری ممکن است گسسته یا پیوسته باشد. در حالتی که پاسخ های فضایی پیوسته باشند، با در نظر گرفتن یک میدان تصادفی مانا، پیش گویی مقادیر نامعلوم در موقعیت های معلوم با روش کریگیدن امکان پذیر است. اما در مواردی که پاسخ های فضایی گسسته هستند، پیش گویی فضایی با استفاده از مدل های آمیخته خطی تعمیم یافته فضایی امکان پذیر می شود. در این مدل ها ساختار همبستگی فضایی داده ها از...

با استفاده از روش مونت کارلوی زنجیر مارکوفی (mcmc)،فرایند نقطه ای شبیه سازی می کنیم که توزیع آن همان توزیع هدف ما باشد و برای مدل هایی که بدست آوردن براورد ماکسیمم درست نمایی آنها به روش کلاسیک امکان پذیر نیست روش mcmc را به کار برده و برورد آنهارا بدست می آوریم