روش هم انباشتگی یکی از روشهای مفید برای بررسی و تحلیل همبستگی های کوتاه مدت و بلند مدت در میان متغیرهای اقتصادی است که در سال 1987 توسط انگل و گرنجر معرفی شد . آزمون های هم انباشتگی روشی برای بررسی پارامترهای بلند مدت یا تعادلی در ارتباط با متغیرهای ریشه واحد یا نامانا هستند.چون اغلب متغیرهای اقتصادی در سطح خود مانا نیستند ، پیش شرط استفاده از اغلب روش های هم انباشتگی نامانا بودن متغیرها است . در این پایان نامه پس از معرفی فرآیندهای تصادفی مانا و آزمون های مانایی ، فرآیندهای اتورگرسیو برداری ، فرآیندهای هم انباشته و آزمون های هم انباشتگی وتحلیل هم انباشتگی اتورگرسیو برداری مورد بحث و بررسی قرار می گیرد. در پایان به بررسی ارتباط بین تولید ناخالص داخلی ، هزینه های دولت و حجم پول در ایران براساس دادهای سالانه 1386-1352 و بر اساس تحلیل هم انباشتگی var می پردازیم.

در تحلیل واریانس کلاسیک، پراکندگی با در نظر گرفتن مربع فاصله مشاهدات نمونه از میانگین نمونه اندازه گیری می شود. همچنین می توان از حل معادله ی درجه دوم تفاضل مشاهدات از یک ماتریس ثابت (که بعد آن به اندازه ی نمونه بستگی دارد)، فرمول دیگری برای واریانس و انجام مطالعات بیشتر ارائه داد. استفاده از میانگین در محاسبه ی واریانس افزایش دقت در محاسبه را به دنبال دارد، به خصوص اگر برنامه های رایانه ایی به کار گرفته شود. یک روش پیشنهادی دیگر برای محاسبه ی واریانس، استفاده از توزیع فراوانی، مورد بحث قرار می-گیرد در این تحقیق معیاری از اختلاف مرتبه ی اول مشاهدات و استفاده از توزیع فراوانی در محاسبه ی پراکندگی ارائه می شود. همچنین معیاری از پراکندگی برای متغیر پاسخ یک متغیره یا چندمتغیره بر اساس تمام جفت فواصل بین عناصر نمونه در نظر می گیریم و برای تجزیه ی مولفه ی فواصل مشابه، توان-های در بازه ی (0,2] را نتیجه می گیریم. در تحلیل آنالیز واریانس، آماره ی f هنگامی که توان دو است، به دست می آید. برای هر مقدار در بازه ی (0,2) این تجزیه یک آزمون نا-پارامتری برای فرض برابری توزیع در نمونه های چندتایی تعیین می کند.

مقایسه بین روش های برآورد بیزی و احتمالی از موضوعات جالب و چالش زای علم آمار به شمار می رود. در این پایان نامه برآوردها و پیش بینی کننده های بیز از یک توزیع نرمال گرفته می شوند. متداول ترین پیش بینی کننده ی احتمالی برآورد ماکسیمم درست نمایی دارای یک روند درونی است، می توان ذکر کرد که با جایگزینی برآورد ماکسیمم درستنمایی برای میانگین جامعه، توزیع پیش بینی کننده به دست می آید. این پایان نامه مشتمل بر چهار فصل است. فصل اول و فصل دوم را مفاهیم و برخی قضایای مفیدی از نظریه تصمیم را در بردارد. فصل سوم مسئله ی برآوردیابی میانگین جامعه ی نرمال در حالت یک متغیره و در فصل چهارم مسئله در جامعه های نرمال چندمتغیره، تحت موضوع مدل های خطی بررسی می کنیم.

برآوردیابی پارامترهای توزیع نرمال در مدل رگرسیون خطی تحت تابع زیان لینکس و ادعای موضوعاتی در این زمینه موردنظراست. در این پایان نامه، برآوردها و پیش بینی های بیزی برای پارامترهای یک توزیع نرمال نتیجه می شوند. معمولاً از پیش بینی کننده ی فراوانی گرا همانند برآورد ماکسیمم درستنمایی که با یک روند جایگذاری بوسیله جانشین کردن mle(?)در توزیع پیشگو است استفاده می شود. همچنین دراین پایان نامه پیش بینی بیز را تحت تابع زیان-? خطای قدرمطلق، زیان لینکس مورد امتحان قرار می دهیم. اگر واریانس نامعلوم باشد، مزدوج توأم پیشین را در برآورد میانگین نامعلوم برای واریانس به وسیله واریانس نمونه برای زیان های لینکس استفاده می کنیم. همچنین در ادامه برآوردهای بیز در ترکیبات خطی از ضرایب رگرسیونی استفاده می شوند، تحت توزیع های پیشین مناسب، برآورد و پیش بینی بیز بهتراز برآورد ماکسیمم درستنمایی ارائه می شود. براساس زیان لینکس، برآورد بیز پیشین جفری بهتر و بالاتر از برآورد ماکسیمم درستنمایی است. بهرحال، در بحث پیش بینی، اغلب به صورت واضح نمی توان گفت که پیش بینی بیز بهتراست ویا برآورد ماکسیمم درستنمایی بهتر می باشد.

در این پایان نامه به بررسی فاصله‏های اطمینان که از اطلاع پیشین غیرقطعی استفاده می‏کنند، می پردازیم. فاصله های اطمینان برای میانگین نرمال و فواصل اطمینان در مسئله بهرنس- فیشر با استفاده از اطلاع پیشین ارائه می شود و مقایسه این فواصل با فاصله اطمینان استاندارد انجام می‏گیرد. رویکرد ما در این پایان نامه به دست آوردن فاصله اطمینان هایی است که دارای حداقل احتمال پوشش هستند و همچنین طول مورد انتظار نسبی آنها دارای ویژگی های خوبی است. در فصل دوم به مقایسه ی فاصله اطمینان بااستفاده از اطلاع پیشین با فاصله اطمینان استاندارد میانگین نرمال یک جامعا ای پرداخته شده که نتیجه آن است که فاصله جدید بهتر است. در فصل سوم در حالت دو جامعه ای این موضوع بررسی می شود که نتیجه این است که فاصله اطمینان استاندارد از فاصله ی جدید بهتر است. و در فصل چهارم فاصله اطمینان برای اختلاف تیماری در یک طرح تقاطعی دو دوره ای با استفاده ز اطلاع پیشین با فاصله استاندارد مقایسه می شود که نتیجه آن است که فاصله جدید بهتر است.

در این پایان نامه توزیع گامایی چند متغیره ی تعمیم یافته را تعریف کرده و خواص متعدد و گوناگون این توزیع را تعمیم داده ایم. سپس یک رویکرد نظریه بیزی برای تعمیم در روش های استنباطی مرتبط با ماتریس ? در نظر گرفته ایم. به علاوه نشان داده ایم که ماکسیمم برآوردگر پسین یک برآوردگر بیزی است. علاوه بر این، مشکل آزمون برای ? را با استفاده از فاکتور بیزی تعمیم داده ایم. این روش یک راه حل فرم بسته برای?به صورت ریاضی بیان کرده است تنها روش دیگر استنباط بیزی برای توزیع گامای چند متغیره در تسیوناس(2004) ارائه شده است که بر اساس روش زنجیره های مارکوف مونت کارلو است. روش تسیوناس شامل تبدیل و وارون کردن ماتریس پر هزینه است که پیچیدگی محاسباتی آن در مرتبه ی مکعب (درجه سوم) افزایش می یابد. پس استنباط برای ? غیر عملی می شود و این غیر عملی شدن برای ابعاد بزرگ دیده می شود. در این پایان نامه یک فرم بسته از فاکتور بیزی را برای? ذکر می کنیم.

مدل سازی و تحلیل داده های طول عمر از جنبه های مهم علم آمار است که دارای کاربرد های وسیع و گسترده ای در بسیاری از علوم مختلف می باشد. اغلب در مدل سازی داده های طول عمر از توابع نرخ خرابی استفاده می شود. اگر این توابع یکنوا باشند، می توانند خواص مورد علاقه ی توزیع های طول عمر را بیان کنند. کاس در سال 2007 توزیع دو پارامتری نمایی – پواسن را معرفی کرد که دارای نرخ خرابی کاهشی می باشد و از ترکیب توزیع نمایی و توزیع پواسن بریده شده در صفر به دست می آید. بر این اساس در این پایان نامه ضمن معرفی این توزیع جدید و ویژگی های آن ، دو تعمیم از آن به نام های توزیع نمایی- پواسن تعمیم یافته (توانی) و توزیع نمایی – پواسن اصلاح شده معر فی شده و نشان داده می شود که نرخ خرابی این دو توزیع می تواند کاهشی یا افزایشی باشد. این نرخ های خرابی همچنین می توانند به شکل وان حمام باشند. ویژگی های گوناگون هر دو توزیع نیز مورد بررسی قرار گرفته و مثال هایی از داده های واقعی داده شده اند .

در این تحقیق از برآورد درستنمایی ماکسیمم آماره های ترتیبی برای برآورد پارامترها در توزیع های طول عمر استفاده شده است. این روش جدید برآوردیابی از روش سنتی برآوردیابی (درستنمایی ماکسیمم استاندارد ) مفیدتر می باشد به ویژه زمانی که در نمونه مشاهده ای سانسور شده وجود داشته باشد. در این روش برای ساخت تابع درستنمایی تنها از توابع چگالی آماره های ترتیبی ( که زمان های شکست شناخته شده می باشند ) استفاده می-شود. بر این اساس, این پایان نامه شامل 4 فصل می باشد. در فصل اول به تعاریف و مفاهیم اولیه مورد نیاز پرداخته شده است. در فصل دوم به بررسی و مطالعه ی توزیع طول عمر , تابع بقا و مخاطره و همچنین نحوه ی برآورد هر کدام در نمونه های کامل به همراه مثال های عددی پرداخته می شود. در فصل سوم مشاهدات سانسورشده و انواع آن معرفی و نحوه ی برآورد تابع بقا در نمونه های ناقص مطالعه شده است. در فصل چهارم به ارائه ی برآورد درستنمایی ماکسیمم آماره های ترتیبی و برآورد پارمترها پرداخته شده است. در انتها برآورد پارامتر در روش جدید را با برآورد درستنمایی ماکسیمم استاندارد برای توزیع های ریلی , نرمال و نمایی مقایسه می گردد.

چکیده: نقوش شکار در دوره ساسانی در پی القای قدرتی مادی و روحی است که تمایل دارد جاودان بماند. شاه یا فرمانروا نقش شکارگر همیشه پیروز را در این نقوش اجرا می کند. این حس قدرت طلبی سبب شد تا شاهکار های هنری با موضوع این صحنه ها خلق گردند. نقش سوار کار و صحنه های شکار به همراه عناصر تشکیل دهنده آن بر روی ظروف سیمین و برخی نقش برجسته ها همچون طاق بستان تصویر شدند. این علاقه به بازسازی تصویری شکوه شکار شاهی در بین سلاطین دوران بعد از اسلام نیز تداوم یافت. یکی از دوران هنری که مجموعه ی غنی از بازنمایی صحنه ی شکار را بر روی سفال به نمایش گذاشته، دوره سلاطین سلجوقی است. صحنه های شکار بر روی سفال مینایی دوره سلجوقی و شباهت آنها با صحنه شکار شاهی ساسانی می تواند میزان تأثیر پذیری آنها را از هنر ساسانی نمایان سازد. این موضوع، زمینه ی تحقیق و پژوهش جامعی بر روی چگونگی این ارتباط و تأثیر پذیری، زا به وجود می آورد. مقایسه ی تطبیقی این صحنه در آثار دوران ساسانی با سفال مینایی سلجوقی و همچنین تجزیه و تحلیل آنها به لحاظ ترکیب بندی، استفاده از عناصر مشابه و شیوه ی نقش پردازی، نتایج مطلوبی در جهت افزایش آگاهی نسبت به ارتباط و تأثیر هنر دوران قبل از اسلام(ساسانی) و دوران بعد از اسلام(سلجوقی) در ایران ببار خواهد آورد. ضمن این که در این روند ممکن است به موارد و اطلاعات پیش بینی نشده ای دستیابیم که می تواند گوشه ای از نکات مبهم تاریخ هنر ایران را آشکار سازد.

قابلیت اعتماد نقش چشمگیری در بالا بردن استاندارد و کیفیت تولیدات صنعتی ایفا می کند. رشد سریع تکنولوژی و پیشرفت در استفاده از محصولات پیچیده تر و بالا رفتن سطح توقع مشتریان برای داشتن محصولات بهتر، از دلایل مهم ضرورت بالا بردن قابلیت اعتماد محصولات است. قابلیت اعتماد سیستم را از قابلیت اعتماد مولفه می توان محاسبه نمود. مطالعه طول عمر موجودات زنده، ابزارها، ساختارها و مواد و ... به عنوان اصل مهمی در علوم زیست شناسی و مهندسی و سایر علوم می باشد. یک قسمت مهم این مطالعات شرح ریاضی طول عمر یا همان تابع نرخ شکست، توسط یک توزیع می باشد. یک برازش پارامتری مناسب برای مدل بندی پدیده های با نرخ شکست غیر یکنوا، توزیع تعمیم یافته نمایی– هندسی می باشد که توسط سیلوا و همکارانش در سال 2010 معرفی شده است. نرخ شکست این توزیع به صورت کاهشی، افزایشی و وان حمام گونه می باشد. این توزیع در واقع تعمیمی از توزیع نمایی– هندسی می باشد که دارای نرخ شکست کاهشی است و توسط آدامیدیس و لوکاس در سال 1989 معرفی شده است. تعمیمی دیگر از این توزیع به نام نمایی- هندسی اصلاح شده نیز معرفی شده است. ویژگی های مهم این توزیع ها را در این پایان نامه مورد مطالعه قرار داده ایم و مثال هایی از داده های واقعی برای آن شرح خواهیم داد.

یکی از روش های ساختن فاصله اطمینان برای پارامترهای رگرسیونی و میانگین پاسخ ها در مدل رگرسیون خطی که برخی از مقادیر مشاهدات آن به طور تصادفی گمشده است، روش درستنمایی تجربی است. روش درستنمایی تجربی با داده های کامل و روش درستنمایی تجربی وزن دار شده با استفاده از توابع احتمال متقارن، فاصله اطمینان های را برای پارامترها و میانگین پاسخ ها می سازند، که دارای کمترین میانگین طول و بیشترین مقدار احتمال همگرایی نیستند. بنابراین روشی دیگر برای ساختن این فاصله اطمینان ها ارائه می شود. در این روش، به مشاهدات گمشده مقادیری نسبت داده می شود سپس آماره ی نسبت درستنمایی تجربی با مقادیر نسبت داده شده به دست می آید و با استفاده از این آماره بهترین فاصله اطمینان ها را برای پارامترهای رگرسیونی و میانگین پاسخ ها ساخته می شود.

یک سری مجانبی یکنواخت برای مجموع تعداد زیادی از متغیر های تصادفی مستقل و هم توزیع بدست آورد ه ایم. بر خلاف معمول این سری یکنواخت، دقت خوبی را در سراسر دامنه می دهد. برای حالت خاص، متغیر تصادفی، z_(n,?) = y _1+ 2^? y_2 +?+n^? y_n، با ??r و y_1,y_2,… متغیر های تصادفی مستقل با توزیع نمایی و میانگین 1 را در نظر می گیریم. تابع توزیع ( z_(n,?) یک سری با علائم متناوب است که باعث مشکلات بزرگ عددی می شود. با استفاده از نسخه های توسعه یافته از روش نقطه ی زینی، یک بسط مجانبی یکنواخت برای p (z_(n,?)<x) می یابیم. برای مقادیر مختلف پارامتر توزیع، ?، توزیع های معروف آماری نمایان می گردد

در بسیاری از مسایل کاربردی، داده ها دارای توزیع نرمال نیستند. به عنوان مثال در مباحث قابلیت اعتماد، آزمون های حیاتی و واکنش های دارویی، علوم زیستی و اپیدمیک و علوم مهندسی داده ها به صورت طول عمر ثبت شده اند که در این حالت توزیع داده ها نمایی می باشد. فواصل اطمینان همزمان برای تفاضل های متوالی پارامترهای مکان توزیع نمایی زمانی که پارامترهای مقیاس مساویند، به روش های مختلفی ارائه شده اند. اما زمانی که پارامترهای مقیاس برابر نیستند، تشکیل فواصل اطمینان همزمان با اطمینان 1-? مشکل می باشد. در این پایان نامه با ارائه روشی جدید این مشکل برطرف می شود و با استفاده از نامساوی بانفرونی و روش ارائه شده توسط لَم، ابتدا فواصل اطمینان همزمان یکطرفه و دوطرفه دومرحله ای را در حالتی که پارامترهای مقیاس نامساویند، می یابیم. سپس این فواصل اطمینان را در حالت یک مرحله ای بررسی می کنیم و در انتها از طریق شبیه سازی و مثال به مقایسه و بررسی فواصل اطمینان معرفی شده از لحاظ کاربردی می پردازیم.

خانواده ای از توزیع های مهم آماری، خانواده توزیع لاپلاس است. این خانواده شامل توزیع هایی مانند توزیع لاپلاس نامتقارن، توزیع لگ لاپلاس و توزیع لاپلاس گسسته است. با توجه به اینکه توزیع های لاپلاس کاربردهای بسیاری در پدیده های اقتصادی و اجتماعی دارند مورد توجه فراوان قرارگرفته اند. توزیع بتالاپلاس برای مدل سازی داده های نامتقارن مفید می باشد و قابل رقابت با توزیع بتا نرمال و توزیع چوله نرمال است. در این پایان نامه خواص ساختاری توزیع جدید بتالاپلاس شامل تابع مولدگشتاور و دیگر آماره ها را معرفی می کنیم و همچنین به برآورد پارامتر توزیع به روش ماکسیمم درستنمایی می پردازیم و سودمندی این توزیع را با داده های واقعی نشان می دهیم.

چکیده بیان مساله: مهمترین سوالی که ابتدای امر درباره طراحی محیط و طراحی داخلی به ذهن می رسد این است که : "آیاطراحی داخلی صرفا مربوط به بهبود وضعیت بصری یا ظاهری یک فضای داخلی است"؟ در واقع می توان از آن به روندی عملکردی، زیبایی شناختی و هدایت گر، برای رسیدن به اهداف مورد نظر از جمله پویایی، افزایش بازده کاری و یا بهترکردن روش زندگی، یاد کرد. در این راستا، یک طراحی داخلی موفق، علاوه بر این آیتم ها باید پاسخگو در مقابل تغییرات اقتصادی، تکنولوژیکی، جمعیتی و اهداف تجاری سازمان یا نهادی که برای آن در نظر گرفته شده است، باشد. اهمیت موضوع تحقیق و دلایل انتخاب آن : فضاهای اداری و دفاترکار جزء اصلی ترین فضاهایی هستند که اشخاص در طول روز با آن سروکار دارند وساعاتی را دراین مکان ها طی می کنند ، بنابراین معماری و طراحی داخلی چنین فضاهایی بسیار حائز اهمیت است . بهترین راه حل برای داشتن یک روز کاری خوب و سالم ، کار کردن در محلی آرام ، مناسب و استاندارد است و برای دستیابی به چنین محلی نیاز به طراحی اصولی فضاهای آن است. فضاهایی مانند ورودی ها ، پذیرش و انتظار مراجعین ، مسیرهای دسترسی ، دفاتر کارمندان ، اتاق های مدیران ، فضای کنفرانس و در ابعاد بزرگتر سالن های اجتماعات بایستی با تمام استانداردهای طراحی هم خوانی داشته و ازلحاظ ارگونومیکی نیز دارای شرایط مناسبی باشند. تفکر ارگانیک در طراحی داخلی به معنای ارگونومی اغراق شده در جهت رضایت کامل کاربر و همگونی و تلفیق اجزا نسبت به کل وکل نسبت به اجزا می باشد. هدفهای تحقیق : 1.به دست آوردن درک درستی از محیط کار و کشف مسائلی که بهره وری را کاهش میدهند. 2.افزایش میزان بهره وری در محیط کار بوسیله ی طراحی صحیح محیط. 3. بررسی تفکر ارگانیک و استفاده از آن در طراحی داخلی دفتر کار. فرضیه های تحقیق : 1.اعمال تفکر ارگانیک در طراحی داخلی دفاتر کار یکی از روشهای موثر در استاندارد سازی محیط کارمیباشد. 2.اعمال تفکر ارگانیک در طراحی داخلی دفاتر کار در جهت کنترل و حفظ منابع انرژی موثر میباشد. روش گرد آوری اطلاعات: کتابخانه ای، مشاهده و پرسشنامه واژگان کلیدی: تفکر ارگانیک ، انرژی فتوولتاتیک ، ارگونومی نور ، حفظ و کنترل انرژی ، طراحی داخلی دفاتر کار ، نقش گیاه در محیط ، تبدیل نور خورشید به برق ، کاربرد نور طبیعی در معماری ، باطری خورشیدی ، کشت هیدروپونیک

در این پایان نامه خواص برآوردکننده های انقباضی مینیماکس بیز به منظور اندازه گیری مدل توزیع گاوسی معکوس تحت ضوابط مینیماکس مورد بررسی قرار می گیرد. برآوردگر ریسک کمینه تحت زیان لاینکس برای پراکندگی معکوس ? از توزیع گاوسی معکوس در دسته برآوردگرهای نااریب پیشنهاد می شود. با بهبود کارایی برآوردگر انقباضی، اگر مقدار تخمین زده شده ی ?_0در نزدیکی مقدار حقیقی ? باشد، دسته بندی برآوردگرهای انقباضی بیز پیشنهاد می شود و با برآوردگر ریسک کمینه تحت زیان لاینکس مقایسه می شود. با انتخاب عامل انقباضی، دو برآوردگرt^* و t^(**) معنادار آماری را بر اساس یافته های عددی مشاهده کردیم. در صورتیکه?0.25???_0/??1.50 باشد، t^(**)کارایی بهتری دارد و در صورتیکه ?0.75???_0/??1.50 باشد، t^(**)کارایی مطلوب تری دارد. هر دوی این برآوردگرهای معنادار آماری زمانی که ?با ?_0برابر است، کارایی نسبی بیشینه دارند.

در این پایان نامه خصوصیات آماری توزیع کوماراسوامی بیان می شود. برآورد پارامترهای توزیع با استفاده از روش درستنمایی ماکسیمم برای ساختارهای مختلف پارامتری مورد بررسی قرار می گیرد. و همچنین برخی از روابط بازگشتی برای گشتاورها و گشتاورهای ضربی آماره های ترتیبی تعمیم یافته از توزیع کوماراسوامی بیان خواهد شد.

کارهای زیادی در انتخاب گروه های مهم متغیرها با استفاده از شیوه های تاوانی وجود دارد، در بررسی که انجام شد، ما نتایج را ازlasso به lasso گروهی با ابعاد بالا تعمیم می دهیم. ما انتخاب برآورد ویژگی های lasso گروهی و شیوه های lasso گروهی تطبیق پذیر را مطالعه می کنیم. نشان می دهیم که، تحت شرایط مناسب، lasso گروهی مدلی از نظم و ترتیب صحیح ابعاد را انتخاب می کند و تمایل مدل انتخابی به سطحی که با کمک ضرایب رگرسیونی کوچک و تمایل های ورودی، معین شده را کنترل می کند به علاوه نشان می دهیم که، تحت یک معنی دقیق از شرایط پراکندگی، lassoگروهی تطبیق پذیر دارای یک ویژگی انتخاب پیش بینی است، به این معنا که می تواند به طور صحیح گروه های مهم را با احتمال اینکه به یک نزدیک شود انتخاب کند. علاوه بر این، ما ایده lasso گروهی را در مسایل ضرایب متغیر ناپارامتری به کار می گیریم که می تواند به طور همزمان متغیرهای مهم را انتخاب کند و توابع ضرایب نسبی را برآورد می کند. ما به وسیله توابع پایه ای b- اسپلاین، هر تابع ضریب را تقریب می زنیم. بنابراین، انتخاب متغیرهای مهم و برآورد توابع ضریب متناظر برابر با انتخاب گروه های متغیرها و برآورد ضرایب تقریبی اسپلاین نسبی است. نشان دادیم که تحت شرایط مناسب برآوردگر در پراکندگی سازگار و در بهترین برآورد ممکن همگرا می شود. الگوریتم های موجود تطبیق پذیر می شوند تا شیوه های حل را برای هر دو مورد lasso گروهی و lassoگروهی تطبیق را محاسبه نماید. انتخاب پارامتر تنظیم شده و شیوه های انتخاب مقدار آغازین در طول اجرای الگوریتم بررسی می شوند. شیوه ی مورد مطالعه به وسیله شبیه سازی نشان داده می شود.

در بسیاری از تحلیل های آماری، برخی از داده ها نقش بسزایی در تحلیل ها ایجاد می کنند و شاید باعث اختلال در نتیجه گیری ها شوند از جمله ی این داده ها، نقاط پرت و داده های آلوده می باشند که در کران نفوذپذیری تأثیر گذارند و همچنین برآورد های پایدار از پارامتر های مکان چند متغیره و ترکیبی از آنها در مسایل آماری مورد تردید قرار می گیرند. در این پایان نامه، میانه ی پایای تعمیم یافته چندمتغیره خطی را که توسط اوجا پیشنهاد شده معرفی و سپس به مقایسه با میانه ی فاصله ای و میانه در حالت کروی، و بیضوی پرداخته و تأثیر این نقاط پرت و آلوده را روی آنها بررسی می کنیم. سپس به معرفی برآورد های ماتریس کوواریانس میانه پرداخته و با ارایه دو روش اندازه گیری و احتمال پوشش تجربی (cp) به مقایسه عددی برآوردگر ها می پردازیم. اوجا در واقع میانه در حالت چند متغیره را به میانه ی فاصله ای در حالت یک متغیره ساده می کند و نشان می دهد که به طور مجانبی به کارایی میانه ی فاصله ای است و دارای خصوصیات کارا و پایدار خوش رفتاری است. از این رو در این پایان نامه به کارایی مجانبی، تابع نفوذ پذیری و اثرات نقاط فروریزش در حالت کلی و برای میانه اوجا، اشاره خواهیم کرد. سپس سه مفهوم اساسی، علامت و رتبه چندمتغیره، ماتریس کوواریانس رتبه و علامت و برآورد های آن، همچنین پایداری و کارایی این برآوردها، ارایه خواهد شد. نهایتاً با توجه به مدل های چند متغیره متقارن و راه های گوناگون برآورد ماتریس کوواریانس علامت مربوط به این مدل به مقایسه عددی این برآوردها می پردازیم و همچنین وابستگی این برآوردگرها را به نقاط فروریزش در نمونه های متناهی و همچنین اریبی، آنها را نشان می دهیم سپس پیشنهادی برای از بین بردن میزان اریبی ارایه خواهیم کرد.

بسیاری از مدل های شناخته شده کنونی برای توزیع کرانگین دو متغیره (چند متغیره) بیش از حد محدود شده اند. یک مدل جدید بر اساس شرایط چند جمله ای معرفی شده است که بر بسیاری از نقاط ضعف مدل های شناخته شده غلبه می کند. سادگی و انعطاف پذیری مدل های جدید با اقتباس از خواص مختلف توزیعی و برنامه های کاربردی به داده های واقعی نشان داده شده است. یکی از اساسی ترین خواص هرتوزیع، گشتاورها هستند. گشتاورها معیارهای مهم یک توزیع را شرح می دهند. آنها همچنین می توانند درمیان بسیاری دیگر از موارد استفاده، برای برآورد استفاده شوند. گشتاورها برای توزیع مقدار کرانگین دو متغیره شناخته شده نیستند. فرمول ها برای خواص گشتاور حتی برای ساده ترین توزیع های مقدار کرانگین دو متغیره شناخته شده نیست. در اینجا، بسط های ساده برای خواص مختلف از هر توزیع مقدار کرانگین دو متغیره مفروض استنتاج شده است. هدف از این پایان نامه استنتاج فرمول های مختلف برای گشتاورها و مقادیر مربوط به هرتوزیع دو متغیره کرانگین است. هر فرمول از یک مجموع نامحدود ساده نتیجه گیری شده است. خواص در نظر گرفته شده شامل گشتاورهای ضربی، گشتاورهای شرطی، تابع مولد گشتاور توأم و غیره است. کارآیی های محاسباتی از این فرمول ها با توجه به روش های استاندارد برای محاسبه خواص گشتاور صدق می کند. توزیع های مقدارکرانگین دو متغیره، مدل همزمان مقادیرکرانگین که از دو متغیراستفاده می شود. (برای مثال کرانگین های همزمان از بارش و سرعت باد یا کرانگین همزمان از بارش باران و برف). در بسیاری از مدل ها در ادبیات توزیع مقدار کرانگین دو متغیره توسعه یافته اند. برخی از برجسته ترین مدل ها آنهایی هستند که به هاشوروا (2004، 2005، 2006، 2007، 2008، 2012) نسبت داده می شوند. شیوه های برآورد برای برازش توزیع های مقدار کرانگین دو متغیره توسط (کلیس در سال 2001) به خوبی بسط داده شده اند. و (برلنت و همکاران در سال 2004) محاسبات پیشرفته ی عالی، را بسط دادند اما خصوصیات توزیعی به خوبی مورد مطالعه قرار نگرفته است.

قابلیت به عنوان توانایی یک سیستم یا مؤلفه برای انجام کار مورد انتظار آن سیستم، تحت وضعیت های بیان شده و در یک دوره زمانی خاص است. از جمله مدل هایی که برای محاسبه ی قابلیت سیستم به کار می رود، مدل های تنش-مقاومت است. این مدل ها، حیات یک مؤلفه را که دارای مقاومت تصادفی x است و تحت تنش تصادفی y قرار می گیرد، توصیف می کند. هرگاه تنش به کار گرفته شده بیشتر از مقاومت آن مؤلفه باشد، مؤلفه ی مورد نظر خراب می شود و هرگاه y<x مؤلفه کار خواهد کرد. پارامتر(y<x) قابلیت سیستم نامیده می شود. اخیراً گوپتا و کندو (۱۹۹۷)[21]، حالت خاصی از توزیع وایبل نمایی شده را که توسط مودهولکار و همکاران (۱۹۹۵) [39] معرفی شده بود، در نظر گرفتند و آن را توزیع نمایی نمایی شده نامیدند. آن ها نشان دادند که توزیع نمایی نمایی شده به عنوان جایگزین مناسبی برای توزیع های گاما و وایبل و حتی لگ نرمال است و در خیلی موارد و به طور کاملاً مؤثر در تحلیل داده های چوله مثبت به جای گاما، وایبل و لگ نرمال به کار می رود. از این ویژگی توزیع نمایی نمایی شده نیز می توان برای تولید نمونه ی تصادفی از توزیع گاما، وایبل و همچنین نرمال استفاده کرد. افرون (۱۹۷۹) روش بوت استرپ را که مبتنی بر ایده ی باز نمونه گیری از مشاهدات است، برای برآورد اریبی، واریانس و توزیع نمونه ای آماره ها ارائه کرد. در این تکنیک تنها با یک روش خیلی ساده می توان تقریباً هر آماره ای از توزیع داده های نمونه را تخمین زد. بوت استرپ در واقع تخمین ویژگی های (مثل واریانس) یک تخمین زننده با استفاده از اندازه گیری همین ویژگی ها در یک توزیع تقریبی از کل داده های نمونه است. یک انتخاب استاندارد برای توزیع تقریبی، توزیع تجربی داده های مشاهده شده است. در این پایان نامه مقاله ی گوپتا و کندو را مورد بررسی قرار می دهیم و بر آنیم که با استفاده از روش باز نمونه گیری بوت استرپ، پارامترهای توزیع نمایی نمایی شده را برآورد نموده، همچنین r=p(y>x)را برآورد نماییم

در این پایان نامه روشی موثر در برآوردیابی پارامترهای مجهول در مدلهای خطی و شبه خطی در تحقیقات علوم پزشکی و انسانی مورد استفاده قرار گرفت که روشهای ارائه شده در این پایان نامه منجر به محاسبه ی توزیع پسین خواهد شد.هدف ارائه یک الگوریتم جهت محاسبه پارامترها در کلیه مسائل استنباطی است که کاربردهای این تحقیق ارائه رویکردی جدید در مدل بندی و استفاده از مباحث رگرسیون در تحقیقات با داده های واقعی با استفاده از نظریه بیز است. در مدلهای رگرسیون کلاسیک به دنبال برآورد یک نقطه از بردارهای پارامتر w هستیم.در مقابل در یک رویکرد بیزی عدم قطعیت درw را از طریق یک توزیع احتمال p(w)مشخص می-کنیم. مشاهدات از نقاط داده ها توسط قضیه بیز با داده هایی که از طریق تابع احتمال در درستنمایی واسطه اند تغییر میاد.

چکیده: توزیع مرکب پواسون-گاما یکی از توزیع های مهم در علم آمار می باشد که کاربردهای وسیعی در حل مسائل پیدا کرده است. این توزیع از روی توزیع اولیه ی پواسون و توزیع پیشین گاما، و در نتیجه توزیع پسین به صورت توزیع مرکب پواسون-گاما پدیدار می شود. در این پایان نامه، کلیه ی مشخصه های توصیفی و پارامتری توزیع پواسون-گاما ارائه می شود. برای یافتن برآورد ماکسیمم درستنمایی پارامترها از روش نیوتن استفاده شده است. مطالب در چهار قسمت، فصل بندی شده است. فصل اول خلاصه ای از روابط بین توزیع های پواسون، گاما، دو جمله ای، نمایی، و توزیع مرکب پواسون-گاما و تابع چگالی احتمال توزیع مرکب پواسون-گاما ارائه شده است. در فصل دوم، توزیع مرکب پواسون-گاما برای ریزش باران یعنی تحت متغیر s معرفی وسپس مشخصه های این توزیع مانند: میانگین، واریانس، مد، تابع مولد گشتاورها، تابع گشتاوری فاکتوریلی، و چندک ها ارائه می شوند. در فصل سوم این پایان نامه به برآورد پارامتر های توزیع مرکب پواسون-گاما با استفاده از روش های درستنمایی ماکسیمم شرطی و غیرشرطی و گشتاوری می پردازیم. درفصل چهارم ابتدا مقدمات و سپس روش برآورد طراحی – محور گشتاوریاین توزیع و روش هیبرید بیان می شود. کلیدواژه ها: توزیع پواسون-گامای مرکب، روش های برآوردیابی، روش نیوتن، گشتاور، ماکسیمم درستنمایی شرطی، ضرایب دوجمله ای.

رگرسیون استوار یکی از مهمترین روش های آنالیز داده هایی می باشد که آلوده هستند و نقاط پرت دارند.این روش می تواند جهت تعیین نقاط پرت استفاده شود و نتایج پایداری را در حضور داده های پرت فراهم آورد.در این پایان نامه روش رگرسیون استوارمعرفی و در نرم افزارsas/stat- version 9اجرا شده است.در ادامه روش استوار در آزمون مدل های جزئی خطی تعمیم یافته بررسی می شود به این صورت که یک خانواده از آماره های استوار معرفی می شود که امکان انتخاب بین یک مدل پارامتری و نیمه پارامتری را فراهم می آورد. مدل های نیمه پارامتری شامل هر دو حالت مدل هایی با مولفه های پارامتری و نیمه پارامتری است. گاهی اوقات مولفه ی ناپارامتری نقش یک پارامتر مزاحم را بازی می کند. بسیاری از تحقیقات انجام شده با یک چهارچوب مشترک کلی، بر روی مولفه های پارامتری برای رسیدن به یک آماره ی به طور مجانبی کارا، دنبال می شود. هدف آن است که توجه به نسخه های نیمه پارامتری از مدل خطی تعمیم یافته به ازایt?t?r وx ?r^p، متغیرهای کمکی (x ,t) ، متغیر پاسخ y را بر روی یک مجموعه ی فشرده t، پیش بینی کنیم. بدون از بین رفتن کلیت مسئله، فرض می کنیمt=[0 ,1]. همچنین توزیع شرطیy|(x,t)متعلق به خانواده ی نمایی exp[y? (x,t ) - b (? (x,t )) + c (y)] می باشد و برای? و c ? (x,t )= e (y?(x,t ) )= b^ (? (x,t ) ) وb^ مشتق b می باشد.در مدل های خطی تعمیم یافته مک کلا و نلدر (1989) یک تکنیک عمومی برایمدل بندی داده هایی که تنوع وسیعی دارند به این صورتاست که اغلب فرض می شود که میانگیناز طریق یک تابع پیوندی gکهg(? (x,t) )= ? +x_t ? + ?tمحاسبه می شود.برای نمونه یک مدل عادی از رگرسیون لجستیک از مشاهدات(y_i ,x_i ,t_i)به طوری که متغیر های پاسخ، متغیرهای مستقل و دوجمله ای y_i |(x_i ,t_i ) ? b_i (1,p_i ) باشند، احتمال موفقیت ها به متغیر تبیینی زیر بستگی دارد: g(p_i )= ? +x_i^t ? + ?t_i, که در آن g (u)= log (u/(1 - u)) است. در بسیاری موقعیت ها مدل خطی برای بیان رابطه ی بین متغیر پاسخ و متغیر کمکی متناظر نارسا است. یک استراتژی مقابل این است که در مدلی که یک و یا تعدادی کمی از پیش بینی کننده ها ناپارامتری باشند به پیش بینی کننده ها اجازه بدهیم که به صورت خطی در مدل آشکار شوند.در این استراتژی تحت مدل جزئی خطی تعمیم یافته نیمه پارامتری رابطه زیر برقرار است ?(x,t)= h(?(t )+ x^t ?) که درآنh=? g?^(-1) یک تابع پیوندی شناخته شده و ??r^pیک پارامتر ناشناخته و ?یک تابع هموار ناشناخته می باشد. آزمون های استوار برای فرض مقابل،تحت مدل رگرسیون جزئی خطی توسط بیانکوو همکاران (2006) مورد مطالعه قرار گرفت. در کنار این رویکرد های استوار برای آزمون پارامتری از یک تابع رگرسیون،ونگ و کو (2007) یک چاره ی کلی مبنی بر اساس تبدیل رتبه ی مجانبی متمرکز شده زمانی کهh(t )=t و ?=0 به این معنی که تحت مدل ناپارامتریy_i= ?(t_i ) + ?_iباشد را مورد ملاحظه قرار دادند.بونته و همکاران (2006) تحت مدل جزئی خطی تعمیم یافته یک مشخصات کلی مبنی بر فرآیند استوار دو گامی جهت برآورد کردن پارامتر ?و تابع ?رامعرفی کردند،همچنین رودریگز و بونته(2010)(همچنین رودریگز(2008)) جهت بهبود زمان محاسباتی روش را به سه گامی توسعه دادند. فراتر از اهمیت برآوردگرهای استوار در بیشتر مجموعه های کلی و بزرگ کاربر روی آزمون ها نیز سزاوار توجه است.یک بازبینی بروز شده از نتایج آزمون های فرض استوار توسط هی (2002) انجام گرفته است. هدف پیشنهاد دادن یک کلاس از آزمون ها برای مولفه ی ناپارامتری بر پایه روش استوار سه گامی ارائه شده توسط رودریگز و بونته(2010) می باشد.

امروزه یکی از عوامل مهم ترغیب کننده یادگیری سازمانی که باعث نشر و تعمیم رفتارهای جدید در جهت سازگاری با محیط خارجی و انسجام دهی درون سازمان در موقعیت رقابتی می شود متغیر فرهنگ سازمانی و نگرش تعهد سازمانی است . در این تحقیق سعی شده است تا رابطه تعهد سازمانی و یادگیری سازمانی بررسی شود. این تحقیق بر اساس مدل سه بعدی تعهد می یر و آلن که تعهد را به سه بعد عاطفی ، مستمر و هنجاری تقسیم می کند صورت پذیرفته است . جامعه آماری این پژوهش متشکل از کلیه کارکنان بانک صادرات فارس است که از این میان 315 نفر با استفاده از روش نمونه گیری تصادفی ساده انتخاب شدند. برای گردآوری اطلاعات از ابزار پرسشنامه استفاده گردیده است. اطلاعات بدست آمده با استفاده از روشهای آماری توصیفی و استنباطی مورد تجزیه و تحلیل قرار گرفت که در نهایت نتایج زیر بدست آمد: - همبستگی بین تعهد سازمانی و یادگیری سازمانی معنی دار و مثبت است . - همبستگی بین تعهد عاطفی و یادگیری سازمانی معنی دار و مثبت است . - همبستگی بین تعهد هنجاری و یادگیری سازمانی معنی دار و مثبت است . - همبستگی بین تعهد مستمر و یادگیری سازمانی صفر است. - سن کارکنان بر میزان تعهد سازمانی آنان موثر است. - سن کارکنان بر میزان یادگیری سازمانی تأثیری ندارد. - سابقه خدمت کارکنان بر میزان تعهد سازمانی آنان، موثر است. - سابقه خدمت کارکنان بر میزان یادگیری سازمانی تأثیری ندارد. - جنسیت کارکنان بر میزان تعهد سازمانی و یادگیری سازمانی تأثیری ندارد. - مدرک تحصیلی کارکنان بر میزان تعهد سازمانی و یادگیری سازمانی موثر است . - نوع مشاغل کارکنان بر میزان تعهد سازمانی و یادگیری سازمانی تأثیری ندارد.

در این پژوهش به بررسی ارتباط بین مولفه های رفتار شهروندی سازمانی و مشخصه های سازمانی (فرد گرایی و جمع گرایی ) و مشخصه های فردی (حمایت رهبری و هیجانها و عواطف فردی پرداخته می شود. رفتار شهروندی سازمانی مجموعه ای از رفتارهای داوطلبانه و اختیاری که بخشی از وظایف رسمی فرد نیستند، اما با این وجود توسط وی انجام و باعث بهبود موثر وظایف و نقشهای سازمان می شوند. در این تحقیق بررسی بر روی 107 نفر از کارمندان سازمان خدمات درمانی استان فارس انجام شده است. اثر مشخصه های فردی شامل حمایت رهبری از رفتار شهروندی و عواطف و هیجانهای فردی و اثر مشخصه های سازمانی شامل میزان فرد گرا و جمع گرا افراد با رفتار شهروندی سازمانی مورد بررسی قرار گرفته است. با انجام آزمون های آماری مشخص شد که رابطه معنا داری بین مشخصه های سازمانی و رفتار شهروندی سازمانی وجود ندارد. اما بین رفتار شهروندی و مشخصه های فردی ارتباط معنا داری مشخص شد. از این رو کارکنانی که در کمک به دیگران فراتر از وظایف شغلی شان عمل می کنند و از سیاستهای پذیرفته شده سازمان پیروی می کنند به بهتر شدن و غنای محیط عمومی کار کمک می کنند و بنابراین بر کل سازمان تاثیری مثبت دارند. در این تحقیق به طورمفصل به بحث در مورد رفتار شهروندی سازمانی مفاهیم، تعاریف، ابعاد، و عوامل موثر بر آن پرداخته می شود.

یکی از ابزارهای مهم کنترل فرآیند آماری نمودارهای کنترلمیباشند.نمودارهایکنترلی طوریطراحیشدهاند که تغییراتدرمیانگینوواریانسیک فرآیند تولید را کشف کنند. نظریهی مجموعههایفازییک روش مفید برای مدلسازی دادههای مبهم ارائه میدهد. نمودارهای کنترل فازی نیز هنگامیکه دادههای آماریمبهم هستند مورد استفاده قرار میگیرند. برای طراحی نمودارهای کنترل فازیمیتوان دادههای مبهم را از طریق روشهای غیرفازی سازی به عدد تبدیل نموده و سپس این نمودارها را مورد بررسی قرار داد. در این پایاننامه نمودارهای کنترل کیفیت فازی مورد بحث و بررسی قرار میگیرند. در فصل یک نمودارهای کنترل کیفیت آماری و در فصل دوم مفاهیم و مقدمات مجموعههای فازی را بیان مینماییم. فصل سوم به طراحیچارچوب نمودارهای کنترل فازی - و- با برشتوسط مد فازی، میان دامنهی فازی سطح?، میانهی فازی سطح?وروش رهیافتفازی مستقیمبرای اعداد فازی ذوزنقهایمیپردازد. در فصل چهارمچارچوب نمودار کنترل فازی - با برشتوسط مد فازی، میان دامنهی فازی سطح?، میانهی فازی سطح?و روشرهیافتفازی مستقیم برای اعداد فازی ذوزنقهایمورد بحث قرار میگیرند.

رگرسیون معمولی اساسا برای میانگین شرطی ساخته می شود.بنابراین اگر به معیاری به جز میانگین علاقمند باشیم یا آنکه فرضیه های مدل به دلیل وجود داده های پرت صادق نباشند این الگو مناسب نخواهد بود.این در حالی است که رگرسیون چندکی نسبت به داده های پرت استوارتر است.در این پایان نامه رگرسیون چندکی برای داده های کامل و بریده شده مورد مطالعه قرار گرفته است و یک روش جدید با استفاده از رگرسیون چندکی برای برآورد پارامترهای مدل رگرسیونی با داده های بریده شده تصادفی از چپ بررسی شده. همچنین کارایی این روش جدید از طریق مطالعات شبیه سازی شده با دو روش دیگر بررسی شده است و به ویژگیهای مجانبی آن نیز پرداخته شده است.

خانواده های توزیع های پارامتری و مطالعه خصوصیات آنها یکی از موضوعات دیرین در تحقیقات آماری بوده و در این زمینه مطالعات وسیعی صورت گرفته است. با توجه به اهمیت خانواده توزیع نرمال در مباحث آماری در این پایان نامه توجه خود را به توزیع نرمال چند متغیره معطوف می نماییم و در ادامه به بررسی و شناسایی این توزیع و پارامتر های آن بر اساس توزیع کوچکترین آماره ی ترتیبی می پردازیم. در بسیاری از مسائل آماری، توزیع اصلی اغلب شناخته شده می باشد، اگرچه برخی پارامتر های تعریف شده در آن نا مشخص باشند. به منظور نتیجه گیری درست و منطقی بر اساس اطلاعات داده شده اولیه، دانستن و یافتن توزیع یکتایی که نتایج اولیه را تأیید نماید، ضروری خواهد بود. زمانی که تابع چگالی متغیر مینیمم از توزیع n، متغیره نرمال با ماتریس کوواریانس ناتکین با پارامتر های مجهول، معین باشد، دانستن و دستیابی به تابع چگالی یکتا یا به عبارت دیگر، پارامتر های این توزیع n، متغیره که تأیید کننده تابع چگالی کوچکترین آماره ی ترتیبی اولیه باشد، ضروری است.

رگرسیون چندکی یک ابزار آماری مفید برای برآورد توابع چندکی شرطی است. پس از معرفی رگرسیون چندکی توسط کونکر وباست (1987)، این موضوع توسط محققین بسیاری از جمله کونکر و هالوگ (2003) لیو و استندر (2003)، مورد مطالعه قرار گرفته است. رگرسیون چندکی در رشته های مختلف توسط افرادی مانند کول وگرین (1992) و هیگرتی وپیپ (1999) در پزشکی، یانگ (1999) و کونکر و جلینگ (2001) در آنالیز بقا و هندریکس و کونکر (1992) و کونکر و هالوگ (2001) در اقتصاد، به کار برده شده است. چن و همکاران (1996)، یک نوع برآورد کمترین توان های دوم ? را بر اساس توسعه یک برآورد کمترین توان های دوم عادی به دست آوردند. با این حال، اکثر این فرایندهای برآوردیابی پیچیده و از لحاظ محاسباتی سنگین هستند به این دلیل که در این روش ها از برآوردها توزیع خطاهای تحت بررسی استفاده شده است که خود نیز دارای پارامترهای مجهول رگرسیونی می باشند. الگوریتم های محاسباتی که مربوط به رگرسیون چندکی می باشند بر اساس تکنیک های برنامه ریزی خطی توسط کونکر (2005) مورد بررسی قرار می گیرد، یا تکنیک حداکثر-حداقلی توسط لانگ و هاین تر (2000) و چن (2004) مورد بررسی قرار می گیرد. در این پایان نامه یک بررسی متناوب را برای استوارتر کردن برآورد در چارچوب رگرسیون چندک در نظر خواهیم گرفت، آن رگرسیون چندکی حداقل پیراسته است، که بر اساس پیراستگی به منظور کاهش اثر نقاط پرت در متغیرهای توزیعی آورده می شود. روش پیشنهادی موقعیت استوار برآوردگر میانه را به صورت تئوریکی بسط می دهد که توسط تابلی من (a,b1994) موررد مطالعه قرار گرفته است. و حداقل پیراستگی مطلق برآوردگر به طور علمی توسط هاوکای و اولایوی (1999) مورد مطالعه قرار گرفته است، به علاوه سازگاری روش پیشنهادی را تعیین می کنیم و حداقل پیراستگی مطلق را نیز ثابت می کنیم. برآورگر رگرسیون چندکی حداقل پیراسته به عنوان یک مورد خاص از برآوردگر تعمیم یافته پیراسته که توسط واندییو و نیوکاو (1998) ارائه شدند، معمول می باشد. به علاوه، ویژگی های تقارنی برآوردگر تعمیم یافته پیراسته توسط سازیک (2008) مورد مطالعه قرار گرفته است.

در تحقیق حاضر که ترکیبی از مدلهای متفاوت توانمندسازی روانشناختی و خصوصی سازی است که تا به امروز ارائه شده است ،محقق سعی کرده است با بررسی ابعاد توانمندسازی روانشناختی بر مولفه های شرایط سازمانی، راهبردهای مدیریتی و منابع خودکارآمدی سنجشی بر میزان توانایی کارکنان جامعه تحقیق داشته باشد. محقق با بررسی میزان خصوصی سازی بیمارستان های جامعه تحقیق ،رابطه آن را با توانمند سازی رواشناختی مورد کنکاش قرار داده است.نتیجه حاصل از این تحقیق در جامعه مورد نظر ، نشان دهنده موثر بودن مولفه های شرایط سازمانی و راهبردهای مدیریتی بر توانمندسازی کارکنان بود، در حالی که مولفه منابع خود کارامدی نتواست با توانمند سازی ارتباط برقرا کند.این درحالی است که تمامی عوامل مرتبط با شرایط سازمانی، راهبردهای مدیریتی و منابع خودکارآمدی توانسته اند با مولفه های خود ارتباط مثبت و معنی دار برقرار کنند. هم چنین نتیجه این تحقیق نشان داد که بخش خصوصی با اجرای مولفه های خود در مدل تحقیق ،از توانمندی بالایی در این مورد برخوردار است. هم چنین تمام مولفه های خصوصی سازی توانستند این شاخص را با نسبت بالایی اندازه گیری کنند.

معمولا تحلیل های آماری با فرض نرمال بودن داده ها صورت می گیرد، در حالی که در عمل در بسیاری از موارد داده ها نامتقارن بوده و دیگر نمی توان از توزیع نرمال برای تحلیل آنها استفاده کرد، در این موارد اغلب سعی می شود با استفاده از تبدیلی، توزیع داده ها را به نرمال نزدیک کرده و سپس تحلیل داده ها را انجام داد. اما این روش، خود با مسائل و دشواری هایی از جمله چگونگی انتخاب تبدیل مناسب و اریبی برآوردها مواجه است. با توجه به این مسأله، به کارگیری توزیع های نامتقارنی که خواصی مشابه توزیع نرمال دارند، مورد توجه قرار گرفته است. از جمله مهم ترین این توزیع ها، توزیع نرمال-چوله است که در پایان نامه، ضمن معرفی و بررسی خواص این توزیع، آزمون های نیکویی برازش در این توزیع ارائه می شود. سپس در انتها معرفی توزیع چوله t وآزمون های نیکویی برازش برای این توزیع بیان می شود.

آنالیز ممیزی به عنوان ابزاری مفید در تجزیه و تحلیل داده های چند متغیره مورد استفاده قرار می گیرد.که این مبحث شامل آنالیز ممیزی «کلاسیک» و «ناپارامتری» می باشد. هر گاه توزیع جوامع از قبل مشخص باشد، از آنالیز ممیزی کلاسیک استفاده می شود که شامل قواعدی چون «درستنمایی ماکزیمم» و «بیز» برای رده بندی است. در حالت های خاص تر در حالت نرمال هر گاه ماتریس کوواریانس جوامع برابر باشد از روش های ممیزی «خطی» و در صورت نامساوی بودن ماتریس کوواریانس جوامع از روش های ممیزی «درجه دوم» استفاده می شود. حالت هایی وجود دارد که اطلاع دقیقی از توزیع جوامع در دست نیست. در این حالت روش های «هم روایی » و «برآورد تابع چگالی» مطرح می گردد. در این گونه موارد ابتدا با استفاده از روش هایی مانند «هسته» و « نزدیک ترین همسایگی » توابع چگالی برآورد شده و سپس با استفاده از قواعد « درستنمایی ماکزیمم» و « بیز» رده بندی صورت می گیرد. در این رساله ضمن بررسی آنالیز ممیزی کلاسیک و ناپارامتری و با استفاده از داده های توسعه انسانی کشورها در سال 2010 ، روش های مختلف ممیزی مقایسه می گردد و در پایان نتیجه گیری می شود که مشاهدات به اشتباه رده بندی شده در روش ناپارامتری کمتر است. و با استفاده از روش های مختلف رده بندی کشورها در چهار گروه «توسعه انسانی فوق پیشرفته» ، « توسعه انسانی پیشرفته» ، « توسعه انسانی متوسط» و « توسعه انسانی پایین » رده بندی می شوند.

ارزیابی تکنولوژی، یک ابزار یا چارچوب فکری است که به درک بهتر نسبت به تکنولوژی و تصمیم گیری در مورد آن کمک می کند. امروزه ارزیابی تکنولوژی در سطح کلان بعنوان یک منبع اطلاعاتی، که اطلاعاتی را به فرآیند سیاستگذاری تزریق می کند، معرفی می شود. ارزیابی تکنولوژی باید به تحلیل و ارزیابی نتایج خواسته و ناخواسته، فرصتها و ریسک های تکنولوژیها، اعم از تکنولوژیهای جدید و یا تثبیت یافته بپردازد. شعار ta این است که یک تکنولوژی جدید باید بهتر از تکنولوژی قبلی باشد، در غیر این صورت نیازی به آن نیست. "بهتربودن" هم به جنبه علمی یک تکنولوژی توجه می کند و هم به ابعاد اجتماعی-اقتصادی و زیست محیطی. این مقاله باهدف ارزیابی توانمندی تکنولوژی وارائه راهکارهایی جهت کاهش شکاف تکنولوژی در کارخانه زرین نقش شیرازکه یکی از واحدهای صنعتی تولید مواد پلی اتیلن می باشد تدوین گردیده است. جامعه آماری دراین پژوهش 50 نفراز مدیران ارشد و میانی و50نفر از کارکنان بخش تولیدی کارخانه می باشد. بدین منظور پس ازطرح مسئله و بررسی ابعاد موضوع ، با استفاده از مدل ارزیابی محتوای اطلس تکنولوژی که ازکاربردی ترین و پرسابقه ترین مدل های ارزیابی تکنولوژی می باشد، شاخص ها و ابعاد مورد پژوهش تعیین واز پرسشنامه استاندارد این مدل جهت جمع آوری اطلاعات مورد نیاز بهره گیری شد. پرسشنامه اطلس تکنولوژی، ابعاد چهارگانه تکنولوژی(انسان افزار، مدیریت وسازمان افزار، فن افزار و اطلاعات افزار) را مورد سنجش قرار می دهد. تحقیق حاضر از نوع توصیفی است و از روشهای آماری همچون میانگین در بخش آمار استنباطی و آزمون فریدمن جهت رتبه بندی ابعاد تکنولوژی در بخش آمار استنباطی استفاده شده است.پس از ارزیابی وسنجش وضعیت موجود این چهار بعد در کارخانه مورد بررسی، وضعیت پیچیدگی تکنولوژی درهریک از ابعاد چهارگانه تکنولوژی بررسی و با استفاده از داده های این بخش حدّ بالا و حدّ پایین سطوح پیچیدگی کارخانه ، مشخص گردید.پس از محاسبه حدّ بالا وپایین، با استفاده از میانگین های به دست آمده از وضعیت موجود ابعاد چهارگانه،این ارقام را در فرمول مربوط به تعیین سهم اجزاء قرار داده وسهم هریک ازابعاد تکنولوژی درصنعت موردنظر مشخص گردیده است. سپس اعداد نهایی به دست آمده از هربعد که به درصد بیان می شوند ونشان دهنده سهم آن بعد درتکنولوژی کارخانه هستند با نتایج به دست آمده درمورد همان صنعت در داخل یا خارج ازکشور مقایسه گردیده وشکاف موجود تکنولوژی مورد بررسی قرار گرفته است.

در این پایان نامه مساله ی وجود داده ی ناقص یکنوای دومرحله ای در n_m (?,?)، جامعه ی نرمال چند متغیره با میانگین ? و ماتریس کواریانس ?، را در نظر می گیریم و یک نمایش تصادفی برای توزیع ? ?، برآوردگر ماکسیمم درستنمایی، به دست می آوریم. همچنین یک ناحیه ی اطمینان بیضی گون از طریق t^2، تعمیمی از آماره ی هتلینگ، نتیجه می گیریم و توزیع مجانبی و نامعادله ی احتمالی برای t^2 تحت فرضیه های مختلف روی اندازه نمونه های ناقص و کامل را به دست می آوریم.

در مدل های با وابستگی های پیچیده، ممکن است محاسبه تابع درستنمایی و براساس آن برآورد درستنمایی ماکسیمم بسیار مشکل باشد. بر این اساس در این پایان نامه، نوع خاصی از شبه درستنمایی ها که درستنمایی مرکب نامیده می شوند، و هدف آنها کاهش محاسبات پیچیده می باشد، معرفی می گردند. بعد از معرفی ساختار درستنمایی مرکب، یک ملاک انتخاب مدل مبتنی بر آنها ارائه می گردد. در ادامه به مطالعه و بررسی برآورد درستنمایی ماکزیمم با استفاده از درستنمایی مرکب در خانواده نمایی بسته می پردازیم.

معمولا در ساختار کواریانس داده های سریهای زمانی مربوط به اقلیم شناسی، آب شناسی، جامعه شناسی، علوم طبیعی، مهندسی برق و علوم اقتصاد و ... رفتار تناوبی مشاهده می شود، از این رواستفاده از سریهای زمانی همبسته متناوب در ده سال گذشته توجه گسترده ای را به خود جلب نموده اند. با توجه به اینکه روشهای آنالیز واریانس اغلب برای مقایسه میانگین های چند جامعه با نمونه های تصادفی هم توزیع و مستقل به کار برده می شوند، بنابراین در سریهای زمانی همبسته متناوب با وجود تغییر واریانس از فصلی به فصل دیگر و وجود همبستگی در سرتاسر این سریها، نتیجه ی حاصله با بکار بردن آزمون f-کلاسیک می تواند گمراه کننده باشد. از این رو در این پایان تحلیل واریانس و استنباط در مورد ساختار میانگین سریهای زمانی همبسته متناوب را نیز ارائه خواهیم داد. هدف از نگارش این پایان نامه مطالعه و بررسی خصوصیات و ویژگی های اینگونه سریهای زمانی است. ابتدا تعاریف و مفاهیم اساسی سریهای زمانی را ارائه داده سپس به مطالعه، بررسی خواص و روشهای تشخیص سریهای زمانی همبسته متناوب می پردازیم. رفتار مجانبی برآوردگرها و آزمون اثرات فصلی برای این سریها را نیز مطالعه می کنیم.

توزیع های نمایی، ریلی، نرخ شکست خطی، وایبل دو پارامتری، مقادیر غائی نوع اوّل و مدل انتگرال بتا رایج ترین توزیع هایی هستند که در تحلیل داده های بقا (طول عمر) به کار می روند. توزیع های ذکر شده دارای چندین ویژگی مطلوب و تحلیل پذیری فیزیکی خوبی هستند. در این پایان نامه یک توزیع وایبل تعدیل یافته معرفی می کنیم که این توزیع به چند توزیع ذکر شده قابل تعمیم است. برآورد درست نمایی ماکسیمم پارامترهای مجهول را به دست می آوریم. یک دسته از داده های واقعی بقا را ارائه داده و تحلیل روی آنها را به وسیله توزیع وایبل تعدیل یافته و چند توزیع پرکاربرد دیگر در آنالیز داده های بقا، انجام می دهیم. با مشاهده نتایج، نتیجه می شود که توزیع وایبل تعدیل یافته کارایی بیشتری نسبت به توزیع های ذکر شده ی دیگر دارد. مروری بر روش نمونه گیری مجموعه ای-رتبه ای خواهیم داشت و پارامترهای توزیع وایبل تعدیل یافته را بر اساس نمونه گیری مجموعه ای-رتبه ای و نمونه گیری تصادفی ساده به دست می آوریم، با مشاهده ی نتایج، مشخص می شود که اریبی و میانگین توان دوم خطا برای پارامترها با روش نمونه گیری مجموعه ای-رتبه ای کمتر است. هم چنین بررسی تحت تابع زیان لینکس نشان می دهد که متوسط زیان برای پارامترها با روش نمونه گیری مجموعه ای رتبه ای شده کمتر است.

برآورد تابع چگالی یکی از مسائل جدید و مهم آماری بوده که امروزه به آن پرداخته می شود. کاربرد فراوان برآورد تابع چگالی در زمینه های مختلف اعم از بررسی و تجزیه و تحلیل داده ها، باعث شده است تا توجه آمارگران به این مقوله جلب گردد. شایان ذکر است که، علیرغم جدید بودن این موضوع، لیکن به لحاظ کاربرد فراوان و اهمیت آن، کتابها و مقالات بسیاری به این موضع پرداخته اند و باب گسترده ای در خصوص این موضوع در علم آمار ایجاد شده است. ارائه ی روشهای مختلف، تحلیل های گسترده در این زمینه و مزایای آن باعث جلب توجه متخصصان به این شاخه شده است. آنچه که در اینجا ارائه می گردد، ابتدا آشنایی با مفهوم برآورد تابع چگالی بوده و در ادامه با معرفی روش های گوناگون به توصیف اجمالی آنها می پردازیم. پس از آن به بررسی کاربردی ترین روش برآوردیابی (روش برآورد هسته ای) پرداخته، با معرفی یک روش جدید برآوردیابی ( روش برآورد تابع چگالی شرطی بیزی) به تشریح آن می پردازیم. در انتها مقایسه ی روش برآورد چگالی شرطی بیزی با روش برآورد هسته ای نشان دهنده ی مزایای این روش خواهد بود.

مدل سازی و تحلیل داده های بقا از جنبه های مهم علم آمار بشمار می رود که دارای کاربردهای وسیع و گسترده در بسیاری از علوم مختلف می باشد. توزیع گاوسی معکوس تعمیم یافته از جمله توزیع هایی است که در تحلیل داده های بقا مورد استفاده قرار می گیرد. در این پایان نامه توزیع جدیدی را که تعمیمی از چند مدل موجود در تحلیل داده های بقا می باشد را معرفی کرده و نشان می دهیم که این توزیع جدید دارای ویژگی های مطلوب تری نسبت به توزیع های موجود در تحلیل داده های بقا می باشد. گود (1953) توزیع گاوسی معکوس تعمیم یافته را برای مدل سازی و تحلیل داده های بقا معرفی کرد که یکی از پرکاربردترین توزیع ها در این زمینه می باشد. بر مبنای این توزیع، در این پایان نامه توزیع گاوسی معکوس تعمیم یافته توان دار را که در واقع تعمیمی از توزیع گامای استاندارد است را معرفی کرده و ویژگی های توزیع جدید را مورد بررسی قرار می دهیم.

در روش های رگرسیون کلاسیک ، اختلاف بین مقادیر مشاهده شده متغییر خروجی (پاسخ) و مقادیر برآورد شده آن به عنوان خطا در نظر می گیریم در ساده ترین حالت ، این خطا می توانند به عنوان متغییر های تصادفی نرمال با میانگین صفر و واریانس ثابت فرض شونداما در برخی از معادلات (برای مثال وقتی مشاهدات یا عباراتی مانند،کوتاه، بزرگ، ،نزدیک به 5 ، سنجیده می شوند.) مشاهدات فازی بوده و رابطه بین متغییر پاسخ و متغییر های ورودی(پیشگویی) دقیق و خوش تعریف نمی باشند بنابراین، با استفاده از مدل رگرسیون فازی ، که رابطه بین داده های خروجی و ورودی را با یک تابع فازی مشخص می کند، نیاز داریم به روش های مختلفی برای برآورد ضرایب رگرسیون در مدل های رگرسیون خطی، که ارائه شده است در این رساله جهت برآورد پارامترهای رگرسیون خطی فازی به روش مجموع کمترین مربعات، الگوریتم تکراری گرادیان نزولی و نیز روش برنامه نویسی ریاضی معرفی شده و عملکرد روشهای پیشنهادی را با ذکر چند مثال نشان می دهیم کلمات کلیدی : رگرسیون فازی ، اعداد مثلثی و ذوزنقه ای ، برش ها ، تابع عضویت ، الگوریتم تکراری گرادیان نزولی ، برنامه نویسی ریاضی

انتخاب مدل یا آزمون برازندگی، در واقع انتخاب یک مدل ریاضی از میان چند مدل برای یک سری داده است که می تواند با معیارهای متفاوتی صورت پذیرد. اهمیت مساله در این است که مدل انتخاب شده، داده ها را بهترین نحو توصیف نماید. در تحقیقات علمی معمولا آنالیز داده ها، با فرض این که داده ها دارای توزیع پواسن هستند صورت می گیرد؛ از آن جا که ممکن است نمونه، سازگار با ویژگی های مدل پواسن نباشد، این فرض همیشه معقول و صحیح نیست و ممکن است نتایج غلط را به دست دهد. در این پایان نامه که موضوع آن آزمون خوبی- برازندگی برای متغیرهای تصادفی گسسته می باشد، روش آزمون و انتخاب مدل بر اساس چگالی های شرطی به شرط آماره ی بسنده ی مینیمال، معرفی می شود. در این روش، مدلی انتخاب می شود که در بین همه ی مدل ها دارای بیشترین احتمال شرطی تحت فرض صفر باشد. این روش از این جهت که می توان احتمال خطای نوع اول یعنی ? را وقتی که نمونه ی تصادفی مشاهده شده باشد، کنترل کرد و سپس مقدار دقیق توان آزمون را به شرط وجود حداقل یک آماره ی بسنده و بدون این که مقدار پارامتر توزیع فرض مقابل مشخص باشد، یافت، از اهمیت بسیاری برخوردار است. همچنین در این روش، نتایج مجانبی نیستند. برای بررسی توان، با استفاده از چند مثال و شبیه سازی، توان آزمون مورد نظر با توان آزمون های دیگر از جمله: آزمون بر اساس تابع مولد احتمال، فاکتورهای بیز و آماره ی کای دو مقایسه می گردد. خواهیم دید که این آزمون دارای توان بهتری نسبت به آزمون های دیگر و در حد پرتوان ترین آزمون(umpt) است. همچنین به دلیل اهمیت توزیع های گسسته در تحقیقات، در مورد برخی توزیع های پواسن آمیخته و نیز یک آزمون بر اساس نسبت درستنمایی تعمیم یافته، در فصل های جداگانه بحث شده است. واژگان کلیدی. چگالی های شرطی؛ انتخاب مدل؛ آماره ی بسنده؛ آزمون خوبی برازندگی؛ توزیع پواسن آمیخته.

تحلیل رگرسیون یکی از شاخه های مهم علم آمار است که هدف آن بررسی اثر متغیرهای مستقل (پیش بین) روی متغیر وابسته (پاسخ) است. رگرسیون اسپلاین یک چندجمله ای گام به گام است که شامل یک چندجمله ای با درجه پایین در داخل هر یک از همسایگی دو گروه?_r,?_(r+1) است که در گره ها به طور مناسب به هم متصل می گردند اما در محل گره ها دارای مشتق ناپیوسته هستند. بهترین عملکرد هموارساز رگرسیون اسپلاین بستگی به مکان های گره ?_0,?_1,…,?_? و انتخاب مناسب تعداد گره ها (?) دارد. رگرسیون اسپلاین ساده، رگرسیون اسپلاین تعمیم یافته و رگرسیون اسپلاین با اثرات آمیخته، از انواع مدل های رگرسیون اسپلاین هستند. روش های یافتن گره ها شامل سه روش فواصل برابر، چارک های نمونه با فواصل برابر و انتخاب مدل بر اساس مدل است. مطالعه عددی بر روی 354 نفر از افرادی که موردآزمایش قند خون قرارگرفته اند جمع آوری شده است. با تغییر در درجات آزادی، مدلی مناسب که ارتباط بین دو متغیر سن و فاکتور قند خون را بیان می کند ارائه شده است.

چکیده توزیع آماره های ترتیبی و متغیرهای همراه آن ها دارای اهمیت زیاد تئوری و کاربردی در آمار هستند. برخی از توزیع های مربوط به آماره های ترتیبی و متغیرهای همراه آن ها را در یک نمونه تصادفی نرمال مورد بررسی قرار داده ایم. علاوه بر این توزیع یک ترکیب خطی از آماره های ترتیبی، توزیع یک ترکیب خطی از متغیرهای همراه آماره های ترتیبی، توزیع توأم یک ترکیب خطی از آماره های ترتیبی و یک ترکیب خطی از متغیرهای همراه و توزیع توأم یک ترکیب خطی از متغیرهای همراه با یک ترکیب خطی از مشاهدات مرتب شده ی متغیرهای همراه نیز مورد مطالعه قرار می گیرند. نشان داده می شود که توزیع همه ی این متغیرها ، متعلق به خانواده ی توزیع های چوله نرمال است. توزیع های شرطی و حاشیه ای و توزیع توأم این متغیرها در حضور یک متغیر میانجی را به دست آورده و یک مطالعه رگرسیونی براساس متغیرهای همراه و میانجی انجام می شود.

رگرسیون فازی تعمیمی از رگرسیون کلاسیک است که برای محاسبه رابطه بین متغیرهای مستقل و متغیر وابسته تحت تئوری فازی استفاده می شود. در روش های قدیمی )مانند کمترین مربعات و برنامه ریزی ریاضی( تجزیه و تحلیل مدل های رگرسیون فازی هنگامی که مشاهدات، متغیرهای فازی lr هستند با مشکلاتی روبرو می شود که برای برازش مدل وقتی با داده های کم با جامعه نامعلوم روبه رو هستیم، از بازنمونه گیری استفاده می کنیم. یکی از کارآمدترین روش های بازنمونه گیری، بوت استرپ است. با الهام از روش های قدیمی، مدل رگرسیون با متغیرهای پاسخ lr با استفاده از روش بوت استرپ مورد تجزیه و تحلیل قرار می گیرد. در این پایان نامه تجزیه و تحلیل مدل های رگرسیون فازی با استفاده از روش کمترین مربعات و به کارگیری تقریب های بوت استرپ انجام شده است.

رگرسیون برای بررسی رابطه بین دو یا چند متغیر استفاده می شود، به طوری که یک متغیر از روی دیگری یا بقیه می تواند پیش بینی شود. در مواردی که متغیرهای مورد بررسی یا رابطه بین متغیرها نادقیق و مبهم باشد از رگرسیون فازی استفاده می شود. وجود داده های پرت در میان مشاهدات منجر به نتایج نادقیق در مدل سازی می شود. کشف چنین داده هایی جهت حذف یا کاهش اثر آن ها، اثر معنی داری بر اصلاح مدل دارد. در این پایان نامه هر دو رویکرد حذف یا کاهش اثر داد ه های پرت هنگامی که هر دو متغیر ورودی و خروجی غیرفازی و پارامترهای فازی هستند، مورد بحث قرار گرفته است. ایده اصلی بر اساس متغیرهای زبانی و مفاهیم نظریه امکان همانند رگرسیون معمولی برای بحث در مورد داده های پرت در نظر گرفته شده است. کلمات کلیدی: رگرسیون، رگرسیون خطی فازی، داده پرت، ضریب تعیین و میانگین قدر مطلق انحرافات. عناوین بکار رفته در پایان نامه: مفاهیم و تعاریف مقدماتی شامل رگرسیون، داده های پرت در رگرسیون (باقیمانده های press ، r استیودنت شده، تشخیص های اثرگذار، معیاری اثرگذار) ، مجموعه های فازی(انگیزه تعریف مجموعه های فازی، مروری کوتاه بر مجموعه های کلاسیک، مجموعه های فازی، عملیات پایه روی مجموعه های فازی، اصل توسیع و اصل توسیع تعمیم یافته، کمیت های فازی، اعداد فازی) رگرسیون خطی فازی شامل تاریخچه، روش های کمترین مربعات فازی(مدل سلمینس، مدل عربپور و تاتا) ، روش های برنامه ریزی ریاضی(مدل تاناکا و واتادا، مدل حسن پور و همکاران) و روش های عددی تشخیص داده های پرت در رگرسیون فازی شامل مقدمه ، مدل تاناکا ، مدل پیتر کشف داده های پرت فازی در رگرسیون با ورودی و خروجی معمولی شامل مقدمه بررسی روش شکوری و نادمی و در پایان مثال های عددی و مطالعه موردی بیان شده است.

در این پایان نامه سعی شده است که توزیع تی چند متغیره وبررسی برخی ازنتایج مهم این توزیع که در‎ سال‏های اخیر تعمیم داده شده است، ارائه گردد.خواص ضروری و کاربردهای این توزیع در زمینه‏های مختلف مورد بحث قرار گرفته است.???????????????????? توجه ویژه به پیش آزمون و برآورد انقباض برای پارامترهای رگرسیون تحت محدودیت های خاصی داده شده است.توزیع پیش بینی تحت توزیع تی چندمتغیره نیزمورد بحث قرار گرفته است.نشان داده شده است که توزیع تی چندمتغیره به دلیل پهنای دم توزیع برای داده‏های چند متغیره ازتوزیع نرمال چند متغیره واقعی‏تراست.

درختان تصمیم رایج ترین ابزار داده کاوی هستند که درک، پیاده سازی و کاربرد آسان داشته و از نظر محاسباتی ارزان می باشند. این ساختار دسته بندی را با پیش بینی یک خروجی قیاسی از دسته ها و یا ورودی های حقیقی انجام می دهد. مسئله ی اورفیت بر روی نمونه های اموزشی مسئله ای مهم در یادگیری درختی است. زیرا که نمونه های اموزشی فقط نمونه ای از تمامی نمونه های ممکن هستند ، ممکن است ما به درخت شاخه هایی را بیفزاییم که کارایی درخت را بر روی نمونه های آموزشی افزایش داده اما کارایی برای نمونه های خارج این مجموعه کاهش یابد. با توجه به موارد ذکر شده اگر چه در شرکت های کوچک برای مدیریت داده ها نیاز به استفاده از راهکارهای داده کاوی مانند درخت تصمیم گیری نیست ، ولی استفاده از این روش در شرکت ها و جاهایی که داده ها حجیم هستند و همچنین نیاز است که داده ها بصورت هوشمند مدیریت شوند نیاز به بکارگیری این دانش و روش حتمی است.دانش داده کاوی بخصوص روش درخت تصمیم گیری، سازمانها را قادر می سازد تا از سرمایه داده هایشان بهره بردارینمایند . این ابزار برای پشتیبان فرایند تصمیم گیری استفاده می گردد. داده کاوی باپردازش جامع داده و انجام فرایند تصمیم سازی از طریق استخراج دانش با ارزش از داده،تصمیم گیری را برای مدیران سازمان تسهیل می نماید.استخراج اطلاعات مناسب از میان انبوه داده‏ها و تبدیل آنها به دانش مورد نیاز سازمانها، بویژه در تصمیم گیری‏های سازمانی، نیازمند استفاده از روش‏های نوین در این حوزه است. روش درخت تصمیم گیری یکی از این ابزار و رویکردهاست که در فضای مدیریت دانش سازمان‏ها به کشف دانش از پایگاه داده ها کمک می‏کند.

معرفی آماره کولموگروف اسمیرنوف اصلاح شده به گونه ای که نسبت به آماره کولموگروف اسمیرنوف دقت بهتری داشته باشد. بررسی فرضیات ارائه شده در کاربرد آماره کولموگروف اسمیرنوف و محاسبه احتمال این آماره به روش هوفر و لین با تکیه بر محاسبه ماتریسی و فواصل و محاسبه توزیع توام ترکیب خطی از فواصل به گونه ای که محاسبه احتمالات آماره های اسکن و آماره کولموگروف اسمیرنوف در شرایطی خاص ساده تر باشد.

ابتدا روش درون یابی کریجینگ را با دو بیان متفاوت معرفی می کنیم و به تعریف معنای درون یابی و کریجینگ می پردازیم. در بیان اول کریجینگ به سه روش: 1-کریجینگ ساده 2-کریجینگ معمولی و 3-کریجینگ با روند تقسیم می شود و در بیان دوم الگوریتم کریجینگ توضیح داده می شود. روش سطح پاسخ روشی برای بهینه سازی طرح آزمایش ها است. دو مفهوم اساسی در روش سطح پاسخ بررسی می شود. اول انتخاب مدل تقریبی و دوم، طرح آزمایش که در آن پاسخ ارزیابی خواهد شد. طرح آزمایش ها به 1-روش آدوز-اگلیز 2-طرح مکعب لاتین 3- روش تاگوچی برای طرح آزمایش 4-طرح d- بهینگی 5-طرح مرکب مرکزی 6- طرح کامل فاکتوریل تقسیم می شود. توضیحاتی مختصر راجع به شبکه عصبی، تاریخچه و مقایسه آن با شبکه عصبی زیستی در فصل دوم داده می شود. شبکه های عصبی مصنوعی با ایده گرفتن از سیستم عصبی بدن انسان فرضیه هایی در مورد عملکرد نورون ها ارائه می کند. در فصل سوم مقایسه مختصری بین روش سطح پاسخ، شبکه عصبی و کریجینگ صورت گرفته و هدف یافتن فرمولی برای کم کردن هزینه ی کریجینگ در داده های نمونه ای با تعداد زیاد می باشد. روش سطح پاسخ به منظور مسئله ی بهینه سازی با تعداد کمی از متغیرهای طرح است و فضای جواب های آن پیچیده نیست اما دارای مشکلاتی مانند نیاز به فرض تقریبی تابع پایه و به کار بردن روش سطح پاسخ بر اساس برنامه ریزی آزمایشی برای مسئله با بسیاری از متغیرهای طرح است. شبکه عصبی برای بهینه سازی تقریبی برای حل مسایل بهینه سازی دشواراستفاده می شود. شبکه عصبی در برازش انعطاف پذیری بیشتری نسبت به روش سطح پاسخ دارد. با این حال شبکه عصبی نیز دارای برخی از مشکلات عملی مانند هزینه های محاسباتی متحمل شده برای یادگیری است. روش کریجینگ یکی از روش های برآورد در ابعاد بالا با استفاده از اطلاعات نمونه است با استفاده از تعداد زیادی از داده های نمونه ای می توان شبکه عصبی یا روش کریجینگ را به منظور برآورد تابع مختلط به کار برد. با این حال، افزایش تعداد داده های نمونه ای به طور کلی باعث هزینه ی محاسباتی بالاتر می شود. هزینه ی محاسباتی روش کریجینگ برای تعیین مدل برآورد چندان بالا نیست، با این حال،برای برآورد مقدار تابع در هر مکان، بالاتر از شبکه عصبی یا روش سطح پاسخ خواهد بود. فصل چهارم به بررسی رابطه بین مرز و خطای برآورد می پردازد و بهینه سازی ساختار پرتو را مد نظر قرار داده است.

در اواسط قرن بیستم نظریه پرداز روسی آندره تیخونو بر روی حل مساله «مطرح بیمار » مطالعه می کرد. در حقیقت آنها مسائل ریاضی گونه ای بودند که هیچ راه حل منحصر به فردی نداشتند زیرا اطلاعات کافی در مورد این مساله به طور ویژه وجود نداشت. این مطالعات به وسیله تیخونو در غرب شناخته شد و کتاب او در این زمینه در سال 1977 انتشار یافت. اگرچه قبل از آن دو آماردان آمریکایی آرتورهوئرل و روبرت کنارد مقاله ای را در سال 1970 مبنی بر اینکه رگرسیون ستیغی روشی برای حل مشکلات رگرسیون خطی در شرایط نا مناسب است منتشر کرده بودند. شرایط نا مناسب بدین معنا که شماری از مشکلات در روند اجرای معکوس از ماتریس واریانس به دست می آید. روش این برآوردگر به این صورت است که در رگرسیون ستیغی (تنظیم تیخونو ) با مینیمم کردن تابع هدف ? را برآورد خواهیم کرد. تابع هدف x^2=?x?-y?^2+h_p^2 ???^2 شامل دو قسمت می باشد، قسمت اول مجموع مربعات باقیمانده و قسمت دوم جریمه یک مقیاس بزرگ از بردار پارامتر ? است. پارامتر ستیغی h رابطه ای جایگزین را بین مینیمم کردن مجموع مربعات باقیمانده و مینیمم کردن مقیاس پارامتر را تعیین می کند. برای مقادیر متوسط از پارامتر ستیغی برآورد ? ? در مقایسه با برآورد کمترین مربعات معمولی به سمت صفر انقباض پیدا می کند، حتی اگر ماتریس x کم رتبه باشد. بنابراین ماتریس xx منحصر به فرد است و ماتریس ستیغی (xx+h_p i_p ) برای هر داده غیر صفر از h_p غیر منحصر به فرد است. هدف در این پایان نامه شناخت بیشتری از ویژگی های این برآورد غیرمنحصر به فرد از جمله کارایی مجانبی و سازگاری کمترین مربعات خطای آن و معرفی برآوردگر ستیغی مقید نابرابر است. این پایان نامه شامل 4 فصل می باشد که در فصل اول به شرح مقدمه وتعریف مفاهیمی نظیر هم خطی چندگانه، روش کمترین مربعات معمولی ،کارایی و سازگاری می پردازیم. در فصل 2، به بررسی کارایی مجانبی برآوردگر ستیغی در مدل های خطی و مدل های خطی نیم پارامتری پرداخته وسپس سازگاری میانگین مربعات خطا را بررسی می کنیم. در فصل 3، برآوردگر رگرسیون ستیغی مقید نابرابر را برای دوحالت متفاوت از پارامتر ها یعنی زمانی که همگی نا محدودند وزمانی که بعضی محدود وبعضی نامحدودند بررسی می کنیم. در فصل 4، به کمک جداول نشان خواهیم داد که برآوردگر رگرسیون ستیغی مقید نابرابر به عنوان برآورد بهتری نسبت به برآوردگر کمترین مربعات مقید نابرابر برای اصلاح مشکل همخطی چندگانه پیشنهاد می شود.

از زمان تحقیقات باکس (1953) و توکی (1960) نیاز به روش استوار، آشکار شد.حساسیت زیاد و به ظاهراً ناچیز انحرافات از فرضیه های مربوط به توزیع در روش های کلاسیک، منجر به جایگزینی روش های استوار شده است. در رگرسیون خطی، روش های شکست مثبت (روسوو 1997) مهم ترین روش در میان روش های استوار است. متأسفانه، محاسبه ی این برآوردگرها بسیار سختاست. مطالعات دقیق و بیشتر برن هولت (2005) نشان می دهد که محاسبه ی برآوردگرهایی با ویژگی برازش دقیق، از نوع مسائل پیچیده هستند. (هرگاه اکثریت مشاهدات در ابرصفحه نهفته باشند، برآوردگر با بازده مناسب و دقیق به عنوان راه حل ابرصفحه در نظر گرفته می شود) وقتی که به طور گسترده با فرضیاتی که باور داریم، قبول می کنیم که پیچیدگی کلاس های ان پیو p برابر نیستند (ویگنر 2005)، و لذا هیچ امیدی برای محاسبه راه حل های دقیق برای مجموعه داده های زیاد، با ابعاد بزرگ نداریم. روش معمول برای حل مسائل، با استفاده از الگوریتم محاسباتی، امکان محاسبه ی دقیق را نمی دهد. پیشنهاد استفاده از الگوریتم محاسباتی (ابتکاری) برای برآوردگرهای استوار توسط (چاکرابورتی و چودری 2008، سلیبین و باررا و همکاران 2008، تودوروف 1992، وودراف و راک 1994) مطرح شده است. الگوریتم های تکاملی محاسباتی جستجو( به عنوان مثال نگاه کنید به دی جانگ 2006) به خوبی در علوم کامپیوتر و به طور پیوسته در محاسبات آماری پایه گزاری شده است. مثال هایی از الگوریتم های تکاملی برای برآورد استوار وجود دارد که می توان از الگوریتم برنز (1992) چاکرابورتی و چودری (2003)و میر (2003) یاد کرد. با این حال، برای مسائل بهینه سازی در نظر گرفته شده در این تحقیق، الگوریتم محاسباتی ذکر شده قادر نیست به طور کامل جایگزین الگوریتم های استاندارد شود.مثالی از یک الگوریتم که نشان می دهد مزایایی برای موقعیت های دشوار داده شده توسط مورل و همکاران(2008) ارائه گردیده است.این پایان نامه شامل 4 فصل می باشد که در فصل اول به معرفی مفاهیم و مقدماتپرداخته ایم در ابتدای فصل در بخش اول آمار توصیفی را بیان نموده ایم و در ادامه معرفی تابع درستنمایی و مدل خطی و مدل غیرخطی و همچنین کمترین مربعات خطی و کمترین مربعات غیرخطی ذکر گردیده است. و بخش آخر را به بیان برآوردگرهای استوار اختصاص داده ایم. در فصل دوم ابتدا برآوردگرهای استوار را بیان نموده ایم و سپس با بیان مثالاین برآوردگرها را محاسبه نموده ایم.با استفاده از برنامه نویسیو دستورات لازم در محیط r با استفاده از بسته هایmass وrfreakquantalregبه شرح رو ش های استفاده شده پرداخته ایم. در فصل سوم ابتدا به معرفی الگوریتم ژنتیک پرداخته ایم و بعد از آن نمای کلی در مورد الگوریتم progressرا بیان نموده ایم و در ادامه به شرح الگوریتم fast-ltsپرداخته ایم و در نهایت با بیان الگوریتم محاسباتی بحث را به پایان می رسانیم. در فصل چهام با بیان نتایج اصلی وشرح شبیه سازی بکار رفته در مورد الگوریتم محاسباتی و الگوریتم progressو همچنین شبیه سازی استفاده شده در مثال بیان شده در فصل دوم با استفاده از مقادیر اریبی پارامترها به مقایسه روش های بیان شده در الگوریتم محاسباتی و الگوریتم progress پرداخته ایم و به نتیجه گیری مطلوب رسیده ایم.

در چارچوب مدل خطی عمومی، از باقیمانده ها معمولاً به منظور بررسی فرضیات مدل، نظیر همسانی، نرمال بودن و خطی بودن تأثیرات استفاده می شود. همچنین می توان از آنها برای تشخیص جدا افتادگی ها استفاده نمود. انواع مختلف باقیمانده ها را می توان برای مدل های خطی ترکیبی تعریف نمود. چگونگی به کار گیری نمودار های باقیمانده برای بررسی فرضیات مدل با مقایسه توزیع تجربی باقیمانده با توزیع های ردh0 مناسب بر اساس یک روش خود راه انداز پارامتریک نشان داده شده است. این امر اجازه ساخت محدوده های تحمل همزمان را می دهد که به برآورد نرمال بودن و همسانی باقیمانده های مدل های خطی ترکیبی کمک کرده و جدا افتاده های ممکن را شناسایی کرده و نمودار های باقیمانده را تجزیه و تحلیل می کند. مفید بودن این روش با اعمال آن بر چند دیتابیس که قبلاً منتشر شده نشان داده می شود. بنابراین این پایان نامه شامل چهار فصل است، در فصل اول به معرفی مفاهیم و تعاریف مورد نیاز و خلاصه ای از پیشینه تحقیق پرداخته شده است. در فصل دوم بررسی و مطالعه ای روی مدل های خطی آمیخته ارائه شده است. در فصل سوم روش شبیه سازی ارائه شده است. در فصل چهارم مطالعات شبیه سازی مدل های خطی آمیخته ارائه شده است.

در مدل رگرسیون خطی چندگانه شیب بتا نامعلوم می باشد. در برآورد بتا ? حساسیت برآوردگرهای حداقل مربعات نسبت به تاثیر نقاط دورافتاده منتهی به پیشرفت روش های پردازش شده استوار می گردد. استفاده از نمرات ویلکاکسون به صورت خاص? به خاطر اینکه کارایی خوبی برای توزیع نرمال خطا و استواری ها در برابر مقادیر پاسخ دورافتاده بدست می دهد معروف است. یک نوع برآورد رگرسیونی چندمتغیره ویلکاکسون برای مدل خطی در کارایی معرفی می گردد که دارای خاصیتهایی از جمله : از نظر محاسباتی?نرمال مجانبی و کارایی بالا که در برابر نقاط پاسخ دورافتاده استوار می باشد. اما حساسیت مشاهدات نسبت به نقاط دورافتاده متغیرهای مستقل یا نقاط نافذ باقی می ماند. برای رفع این مشکل برآورد رگرسیونی چندمتغیره ویلکاکسون وزن دار شده معرفی می گردد که با دقت در انتخاب وزنها? استواری در برابر پاسخ و متغیرهای مستقل دورافتاده برقرار می شود.

توزیع های آمیخته متناهی، ابزار مهمی در تحلیل داده هایی با بیش از یک مد می باشند. یک توزیع آمیخته، ترکیبی از چند توزیع آماری است ،وقتی که نمونه گیری از یک جامعه آماری ناهمگن، با توزیع های احتمال متفاوت انجام شود. روش عمومی برای برآورد پارامترها در توزیع آمیخته، الگوریتم امیدریاضی–ماکسیمم سازی است. یک موضوع بسیار مهم در استفاده از مدل های آمیخته این است که اگر توزیع مشاهدات نامتقارن باشد آنگاه برازش مدل آمیخته با مولفه های نرمال نامناسب است.ضعف ذاتی توزیع نرمال را در حالی که توزیع مشاهدات نامتقارن است، می توان با به کارگیری توزیع نرمال- چوله برطرف نمود.در این پایان نامه به معرفی توزیع های آمیخته متناهی با مولفه های نرمال چوله تک متغیره و نرمال چوله چند متغیره پرداخته و برآورد پارامترهای این توزیع ها از طریق الگوریتم امید ریاضی-ماکسیمم سازی به دست می آید.

توزیع نمایی تعمیم یافته (گوپتا و کوندو (1999) ) دارای کاربردهای بسیاری به ویژه در برازش به مدل های طول عمر و قابلیت اعتماد می باشد. این توزیع قابل رقابت با توزیع های وایبل و گاما است. اما گاهی اوقات اندازه گیری طول عمر یک دستگاه روی واحد اندازه گیری پیوسته به راحتی انجام پذیر نیست و یا در عمل غیر ممکن است، در این حالت اندازه گیری طول عمرها به صورت گسسته انجام و ثبت می شوند؛ مانند طول عمر یک وسیله که دارای کلید روشن و خاموش است، لامپ یک دستگاه فتوکپی، باز و بسته شدن یک وسیله فنری. در دو دهه ی اخیر، برای برازش الگو به داده های طول عمر از توزیع های گسسته استاندارد مانند هندسی و دو جمله ای منفی و غیره استفاده می شده است. اما نیاز به مدل هایی با قابلیت برازش بهتر می باشد. در این پایان نامه یک تعمیم جدید از توزیع هندسی معرفی می شود؛ که از گسسته کردن توزیع نمایی تعمیم یافته ، به دست می آید.

این پایان نامه مشتمل بر چهار فصل می باشد. هدف ما در این راستا قرار داشت که الگوریتم امیدریاضی-ماکسیمم سازی به عنوان یک راه حل ساده برای برآورد پارامترهای مجهول معرفی شود و از این رو لازم دانستیم برای نشان دادن کاربردهای متنوع و قدرتمند الگوریتم آن را در قالب مثال های مختلف نشان دهیم. شرح مختصری از الگوریتم های مشابه امیدریاضی- ماکسیمم سازی و مقایسه آنها از نظر سادگی و سرعت همگرایی، یکنواختی الگوریتم، همگرایی، و معرفی روش های نوع نیوتن و مقایسه برآورد درستنمایی ماکسیمم با روش نیوتن رافسون و امیدریاضی-ماکسیمم سازی در این پایان نامه مورد توجه قرار گرفته است. در انتها نیز کاربرد الگوریتم امیدریاضی-ماکسیمم سازی در برآوردیابی پارامتر توزیع نرمال چوله به بحث گذاشته می شود.

. در این پایان نامه، نشان داده شده که نمونه بردار گیبز مدل تغییر موقعیت نقطه ، هندسی ارگودیک است. از نقطه نظر عملی، برقراری ارگودیک هندسی ضروری است. زیرا وجود قضیه حد مرکزی زنجیره مارکف را نشان می دهد که می تواند برای به دست آوردن برآورد های خطای استاندارد مورد استفاده قرار گیرد.

وان اسک در سال 1987 مفهوم توزیع یکنواخت را روی یک فاصله تصادفی که دو سر آن متغیرهای تصادفی می باشد، معرفی کرد. یعنی او متغیر تصادفی آمیخته z را با دو نمونه تصادفی، یکنواخت روی max?(x_1,x_2) و min?(x_1,x_2) تعریف کرد و با استفاده از تبدیل اشتیلس توزیع آن را به دست آورد. در حقیقت او متغیر تصادفی آمیختهz را به صورت x_1+w(x_2-x_1) نشان داد که در آن w دارای توزیع یکنواخت [0,1] است. بعدها سلطانی و حومئی [10] کار وان اسک [13] را تعمیم دادند و آنها متغیر تصادفی آمیخته ای را به این صورت معرفی کردند: s_n=r_1 x_1+r_2 x_2+?+r_(n-1) x_(n-1)+r_n x_n n?z در اینجا x_1,…,x_n متغیرهای مستقل و r_n=1-?_(i=1)^(n-1)?r_i ،r_i=u_((i))-u_((i-1) ) و i=1,…,n-1 وu_((1)),…,u_((n-1))‎‎ آماره های ترتیبی از توزیع یکنواخت روی بازه [0,1] است و u_((0))=0 که این ویژگی های تصادفی به صورت یکنواخت روی یک سیمپلکس واحد توزیع شده است. آنها توزیع s_n را با استفاده از مشتق n-1- ام تبدیل اشتیلس، به صورت حاصل ضرب تبدیلات اشتیلس توابع توزیع x_1,…,x_n بدست آوردند. این پایان نامه شامل دو بحث اصلی در کاربرد معدل وزنی تصادفی می باشد. ابتدا در فصل سوم متغیر تصادفی جدیدی را با استفاده از معدل وزنی تصادفی بدست می آوریم و سپس روی توزیع و گشتاورهای آن بحث می کنیم و در ادامه مشخصه های خاصی را با استفاده از روش مستقیم بررسی می کنیم. در فصل چهارم میانگین وزنی با وزن های تصادفی بتا را معرفی می کنیم.

در این پایان نامه مبنای نظریه ی مجانبی برای میانگین متحرک دوره ای متغیرهای تصادفی مستقل و هم توزیع با دم هایی که دارای تغییرات منظم هستند، در حالی در نظر گرفته می شود که ضرایب میانگین متحرک براساس دوره تغییرات فصلی متفاوت هستند. یک فرمول بندی مجدد ساده براساس نتایج مرتبط با میانگین متحرک از بردارهای تصادفی به دست می آید. نتیجه ی اصلی این است که وقتی متغیرهای تصادفی مشخص شده، دارای واریانس متناهی هستند و گشتاور مرتبه ی چهارم آنها نامتناهی است، خودهمبستگی های نمونه ای بطور مجانبی پایدار می شوند. به عنوان یک نتیجه ی تحقیق، به نتیجه ی مشهور ی که خود همبستگی های نمونه در کلاسی از مدل میانگین متحرک که بطور مجانبی نرمال می باشند، خواهیم رسید.

در نظریه آمار و احتمال، توزیع بتادو جمله ای یک خانواده از توزیع های احتمال گسسته با تکیه گاه متناهی از اعداد صحیح غیرمنفی است که ناشی از احتمال موفقیت در تعدادی ثابت و شناخته شده از آزمایش برنولی که خود ناشناخته و تصادفی است، می باشد. توزیع بتادو جمله ای، توزیع دو جمله ای است که در آن احتمال موفقیت در هر آزمایش ثابت نیست، اما به طور تصادفی می باشد و از توزیع بتا پیروی می کند. در آمار بیزی، روش های تجربی بیز و آمار کلاسیک به عنوان یک توزیع دو جمله ای بیش پراکنش استفاده می شود.

کاربردهای مهمی بوجود آمده اند که در آن ها داده ها به حالت متغیر با زمان آنلاین تبدیل شده اند (به عنوان مثال ترافیک شبکه کامپیوتری، داده های حس گر، جستجوهای وب، تراکنش های atm) و امکان تبادل یا ذخیره ی تمامی اطلاعات ورودی در سیستم های پایگاه داده قدیمی برای فعالیت بر روی آن امکان پذیر نیست. برای این نوع کاربردها، همانند طرح های پایگاه داده استاتیک قدیمی، برآورد چگالی یک بخش اساسی برای آنالیز داده ها است. در این پایان نامه، یک روش آنلاین جدید برای تخمین چگالی احتمال بر اساس مبانی موجک برای جریان داده هایی که به سرعت تغییر می کنند، ارائه شده است. روش ارائه شده بر مبنای فرمول بندی بازگشتی تخمین گر متعامد براساس موجک و با استفاده از یک پنجره لغزشی است و شامل روش بهینه سازی است که تنها به ارزیابی مجدد مقیاس بندی مربوطه و عملکردهای موجک در هر زمانی که داده های جدید می رسند می پردازد. این الگوریتم با استفاده از هر دو داده ی شبیه سازی شده و جهان واقعی بررسی و مقایسه می شود.

مفصلها توابعی هستند که توابع توزیع چند متغیره را به توابع توزیع حاشیه ای آنها پیوند می دهند و توزیعهای حاشیه ای را از ساختار وابستگی جدا می سازند به همین جهت در مدل بندی بین متغیرهای وابسته استفاده می شوند. یکی از توابع مفصل مهم، مفصل فارلی-گامبل- مورگنسترن (fgm ) است. مفصل دارای دامنه‏ی همبستگی محدود است، از این رو، امکان مدل‏بندی بین داده ها با همبستگی بالا با این مفصل وجود ندارد. همچنین مفصل fgm ، ساختار وابستگی بین پدیده ها را به صورت تقارن بیان می‏کند که این پیش‏ شرط، علاوه بر محدود نمودن دامنه‏ی کاربرد این مفصل، در توصیف بسیاری از مدل‏ها در فرآیندهای طبیعی صادق نمی باشد. با هدف رفع محدویت‏های مذکور، در این پایان‏نامه، تعمیم‏های متقارن‏ و نامتقارنی از مفصل fgm ارائه می‏شود. تعمیم‏ نامتقارن مفصل fgm ، بر حسب مقاطع چندجمله‏ای از درجه ‏ی n با استفاده از نظریه‏ی ماکسیمم پایا بدست می آید. برای تعمیم‏های ارائه شده، برخی از ویژگی‏ها، نتایج، فرمول بندی اندازه‏های وابستگی و شرایط لازم برای برقراری برخی از مفاهیم وابستگی ارائه می‏شود. سپس به صورت مطالعه‏ی کاربردی و شبیه‏سازی، به ارزیابی تعمیم‏های ارائه شده از مفصل در مدل بندی داده های واقعی در علوم زیستی و مقایسه‏ی آن‏ها با مفصل های شناخته شده پرداخته می شود.

سیستم (n-k+1) از n، سیستمی بر اساس n مولفه هست و این سیستم کار می کند اگر و تنها اگر n-k+1 از n مولفه آن فعال باشند (k?n). این سیستم بطور گسترده ای در صنعت، قابلیت اعتماد و بررسی تحلیل بقا به کار برده می شود. در نظریه کلاسیک سیستم ها، فرض می شود که مولفه های سیستم مستقل و دارای توزیع یکسان می باشند. اما در حالت واقعی ممکن است ساختاری غیرهمسان و وابسته بین مولفه ها وجود داشته باشد. در این پایان نامه به بررسی و مقایسه این سیستم ها با ساختار مولفه های مستقل همسان، مستقل غیر همسان و وابسته پرداخته شده است. توزیع طول عمر در حالت غیرهمسان به وسیله پرمننت و در حالت وابسته به وسیله مفصل ارشمیدسی با تابع مولد کاملاً یکنوا به دست می آید.

آماره ی t2ی هتلینگ، وقتی ماتریس کواریانس نامعلوم باشد? به عنوان آماره ای برای آزمون فرض در مورد میانگین یک توزیع نرمال چند متغیره به کار می رود. در مورد چگونگی این که توزیع t2ی هتلینگ به مقیاس درآورده شده? توزیع f محسوب شود، در این پایان نامه اشاره شده است. تاکنون ویژگی های میانگین نمونه و کواریانس و آماره یt2ی هتلینگ تحت مدل بیضی گون، توسط برخی صاحب نظران مورد مطالعه و بررسی قرارگرفته بود. نشان داده شده که میانگین نمونه به صورت توزیع بیضی گون باقی می ماند و کواریانس نمونه? دارای نوعی توزیع ویشارت تعمیم یافته، می باشد. همچنین اندازه ی آزمونt2ی هتلینگ در برابر انحراف از وضعیت نرمال? استوار است و به طور یکنواخت قوی ترین آزمون پایا در خانواده ی توزیع بیضی گون به شمار می آید.

مسئله ی یافتن بهترین برآورد فاصله ی یکی از بخش های مهم مباحث استنباط آماری است. در اکثر متون، استفاده از یک کمیت محوری، و یا به وسیله ی یکنوایی تابع توزیع؛ برای یافتن بازه ی اطمینان توصیه می شود. در برخی خانواده از توزیع ها یافتن یک برآورد فاصله ای دقیق یا احتمال پوشش مطلوب محقق نمی گردد و نیاز به اندازه های نمونه ای بزرگ، و یا استفاده از تقریب توزیع های کمیت های لولایی دارند. یکی از مباحث پرکاربرد آماری، تحلیل روی داده های سانسورشده از داده های بقا است. در این پایان نامه، بازه های اطمینان دقیق برای پارامتر مقیاس توزیع نمایی تحت آزمون های طول عمر با محدودیت هایی زمانی در انواع سناریوهای سانسور مورد بحث قرار گرفت. نتایج حاصله نشان می دهد که بازه های اطمینان دقیق نسبت به بازه های اطمینان مبتنی بر روش های تقریبی از لحاظ مقایسه ی مقدار احتمال پوشش، عملکرد بهتری دارند.

تحلیل گران اغلب هنگامی که داده های واقعی را تجزیه و تحلیل کرده و از روش کمترین مربعات برای محاسبه پارامترهای مدل غیر خطی استفاده می کنند، مفروضات اساسی را در نظر نمی گیرند و یا از آن چشم پوشی می کنند.برای اینکه استنباط های قابل اتکایی در مورد پارامترهای مدل را ایجاد کنیم می بایست مفروضات اساسی و بنیادین به ویژه آن دسته از مفروضاتی که خطاهای آنها ناهمبسته می باشند را به اندازه کافی مدنظر قرار دهیم. بهرحال در موقعیت های واقعی ممکن است با خطاهای وابسته ای مواجه شویم که با حداکثر سرعت خطاهای همبسته ایجاد می کنند. برآوردگر دومرحله ای برای حل این مشکل ساخته شده است. گر چه امروزه مشخص گردیده که وجود نقاط پرت تأثیر نااریبی بر روی محاسبات روش کمترین مربعات می گذارد. انتظار می رود که برآوردگر دومرحله ای به راحتی تحت تأثیر نقاط پرت قرار گیرد، چرا که براساس برآوردگر کمترین مربعات طراحی شده است که یک روش استوار نمی باشد. در این پایان نامه روند و فرآیند استوار دومرحله ای را برای محاسبه پارامترهای رگرسیون غیرخطی در مواقعی که خطاهای هم بسته با بودن نقاط پرت با یکدیگر نمود پیدا می کنند را ارائه داده ایم. مثال عددی و مطالعات شبیه سازی شده بر این امر دلالت می کند که فرآیند استوار دومرحله ای بهتر از روش های کمترین مربعات غیرخطی و برآوردگر دومرحله ای می باشد. کلمات کلیدی: خطاهای همبسته، رگرسیون غیرخطی، نقاط پرت

نمودارهای آماری نقش مهمی را در تحلیل اکتشافی داده ها ایفا می کنند. پروتوکل ترتیب آزمون های معنی داری آماری برای یافته های بصری را نیرومند می سازد و پلی بین آمار استنباطی و اکتشافی ایجاد می کند. در این تحقیق، روش های استنباطی برای نمودارهای آماری با پالودن مسائل فنی استنباط بصری و شکل دادن به پروتوکل ترتیب در زمینه ای که به مقایسه مستقیم با آزمون های متعارف منجر می شود، گسترش یافته اند. این چارچوب برای مقایسه ی اجرای پروتوکل ترتیب در برابر آزمون آماری متعارف در سناریوی برازش مدل های خطی مورد استفاده قرار گرفته شده است. یک آزمایش نیز با داده های شبیه سازی شده انجام شده است. نتایج نشان می دهند که پروتوکل ترتیب پا به پای آزمون های متعارف عمل می کند و هنگامی که فرض های مورد نظر خدشه دار می شوند بهتر عمل می کند. نکته جالب این است که آزمون های بصری هنگامی که اندازه نمونه بزرگ است دارای توان بیشتری نسبت به آزمون های متعارف هستند.

گشتاورها برای برآوردکردن پارامترها به کار می روند. روش گشتاورها برای برآوردکردن پارامترها را، کارل پیرسن آماردان انگلیسی به کاربرده است و یکی از قدیمی ترین روش ها است. مساله ی گشتاورهای معکوس تقریبی توزیع ها، توجه ویژه ای در منابع به خود جلب کرده است داده های پرسشنامه ای عمدتاً از توزیع های گسسته پیروی می کنند. از آنجا که نتایج اکثر تحقیقات علوم انسانی برهمین پایه قرار دارد، لذا پیش بینی می شود که در محاسبات استنباطی و برآوردیابی این نتایج موثر واقع شود.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

توزیع نرمال چند متغیره به پارامترهای بردار میانگین و ماتریس وابسته است . در نظریه تصمیم برآوردیابی و -1 به وسیله تابع مخاطره r(,)e(l(,)) (یا (r(-1, -1)e(l(-1, -1)) محاسبه می شود که در آن l(.,.) تابع زیان مورد نظر می باشد. در این پایان نامه برای برآوردیابی و -1 تحت تابع زیان لینکس l()ea -a -1, a 0 که در آن برآورد خطا می باشد انجام شده است . برای برآوردیابی ، برآورد خطا زا *t(-1-i) و برای برآوردیابی -1 ، برآورد خطا *t(-1 -1-i) در نظر می گیریم. بوسیله کمینه سازی تابع زیان لیکنس تحت تبدیل های خطی بهترین ضریب ماتریس کواریانس نمونه ای را برای برآوردیابی بدست می آوریم. یافتن برآوردهایی با زیان کمتر به کمک ماتریس کواریانس نمونه ای به وسیله سه روش انجام می گیرد: روش ماتریس های بالا مثلثی و پائین مثلثی، روش تجزیه طیفی و برآوردگرهای از نوع هاف . برای بدست آوردن برآوردگرهای بهتر ما توابعی ترکیبی از بردار میانگین نمونه ای وماتریس کوواریانس نمونه ای استفاده کرده وکلاس خاصی را به نام پال و الفسی مطرح می کنیم. برآوردگرهای بیز برای و -1 و تحت تابع زیان لینکس بدست آمده است .