en
jalali
1392
6
1
gregorian
2013
9
1
10
1
online
1
fulltext
en
براورد کارا برای تابع چگالی و تابع توزیع تجمعی در توزیع رایلی تعمیمیافته
Efficient Estimation of the Density and Cumulative Distribution Function of the Generalized Rayleigh Distribution
توزیع رایلی تعمیمیافته یکی از توزیعهای مهم و پرکاربرد در تحلیل دادههای طول عمر است. در این مقاله براورگر نااریب با واریانس بهطور یکنواخت مینیمم، براوردگر ماکسیمم درستنمایی، براوردگر صدکی، براوردگر کمترین توانهای دوم و براوردگر کمترین توانهای دوم موزون، برای تابع چگالی و تابع توزیع تجمعی توزیع رایلی تعمیمیافته محاسبه شده است. کارایی این براوردگرها بر اساس معیار میانگین توانهای دوم خطا و چندین معیار ارزیابی مدل مقایسه میشود. نتایج شبیهسازی و تحلیل دادههای واقعی نشان میدهد که براوردگر ماکسیمم درستنمایی کاراتر از دیگر براوردگرها است.
The uniformly minimum variance unbiased (UMVU), maximum likelihood, percentile (PC), least squares (LS) and weighted least squares (WLS) estimators of the probability density function (pdf) and cumulative distribution function are derived for the generalized Rayleigh distribution. This model can be used quite effectively in modelling strength data and also modeling general lifetime data. It has been shown that MLE is better than UMVUE and UMVUE is better than the others. An application to waiting times (min) of 100 bank customers
Generalized Rayleigh distribution, maximum likelihood estimator, uniformly minimum variance unbiased estimator, percentile estimator, least squares estimator, weighted least squares estimator
توزیع رایلی تعمیمیافته, براوردگر ماکسیمم درستنمایی, براوردگر نااریب با واریانس بهطور یکنواخت مینیمم, براوردگر صدکی, براوردگر کمترین توانهای دوم, براوردگر کمترین توانهای دوم موزون
1
22
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-30&slc_lang=en&sid=1
2015/12/21
1394/9/30
2015/12/21
1394/9/30
M.
Alizadeh
مجتبی
علیزاده
alizadeh_mojtaba_san@yahoo.com
003194753284600698
003194753284600698
Yes
F.
Bagheri
فاضل
باقری جمالالدین کلایی
f_bagheri@sbu.ac.ir
003194753284600699
003194753284600699
No
M.
M. Khaleghy Moghaddam
محسن
خالقی مقدم
m.khaleghi@sanru.ac.ir
003194753284600700
003194753284600700
No
en
رابطههای بازگشتی برای گشتاور خارج قسمتی توزیع پارتوی تعمیمیافته مبتنی بر آمارههای ترتیبی تعمیمیافته و مشخصسازی
Recurrence Relations for Quotient Moment of Generalized Pareto Distribution Based on Generalized Order Statistics and Characterization
توزیع پارتوی تعمیمیافته نقشی مهم در قابلیت اعتماد، نظریهی مقادیر کرانگینی، و دیگر شاخههای احتمال کاربردی و آمار دارد. این خانواده از توزیعها، توزیع نمایی، توزیع پارتو، توزیع توانی را شامل میشود. در این مقاله، عبارتهای دقیق و رابطههای بازگشتی را که گشتاورهای خارج قسمتی آمارههای ترتیبی تعمیمیافته برای توزیع پارتوی تعمیمیافته در آنها صدق میکند، اثبات کردهایم. بهعلاوه، نتایج مربوط به گشتاورهای خارج قسمتی آمارههای ترتیبی و رکوردها را از رابطههای به دستآمده استنتاج کردهایم و قضیهای را برای مشخصسازی این توزیع ارایه کردهایم.
Generalized Pareto distribution play an important role in reliability, extreme value theory, and other branches of applied probability and statistics. This family of distributions includes exponential distribution, Pareto distribution, and Power distribution. In this paper, we established exact expressions and recurrence relations satisfied by the quotient moments of generalized order statistics for a generalized Pareto distribution. Further the results for quotient moments of order statistics and records are deduced from the relations obtained and a theorem for characterizing this distribution is presented.
Generalized order statistics, order statistics, record values, generalized Pareto distribution, recurrence relations, conditional expectation and characterization
آمارههای ترتیبی تعمیمیافته, آمارههای ترتیبی, مقادیر رکوردی, توزیع پارتوی تعمیمیافته, رابطههای بازگشتی, امید ریاضی شرطی و مشخصسازی
23
39
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-29&slc_lang=en&sid=1
2015/12/212015/12/20
1394/9/29
2015/12/212015/12/20
1394/9/29
Devendra
Kumar
داوندرا
کومار
devendrastats@gmail.com
003194753284600701
003194753284600701
Yes
en
تحلیل دادههای رکوردی از توزیع لوژستیک با پارامتر مقیاس
Analysis of Record Data from the Scaled Logistic Distribution
این مقاله به بررسی محاسبهی براوردگرهای پارامتر مجهول از توزیع لوژستیک میپردازد. با استفاده از روش ماکسیمم درستنمایی براورد صریحی برای پارامتر بدست نمیآید، بنا بر این از روش تقریبی برای محاسبهی آن استفاده شده است. علاوه بر این بهکمک روش نمونهگیری از نقاط مهم، براوردگر بیز بدست آمده است. براوردگرهای فاصلهای نیز بهکمک روشهای تقریبی، خودگردان و بیزی محاسبه شدهاند. تمامی براوردگرها با استفاده از روش شبیهسازی مونت کارلویی مورد مقایسه قرار گرفتهاند. در پایان نیز یک مثال واقعی ارایه شده است.
In this paper, we consider the estimation of the unknown parameter of the scaled logistic distribution on the basis of record values. The maximum likelihood method does not provide an explicit estimator for the scale parameter. In this article, we present a simple method of deriving an explicit estimator by approximating the likelihood function. Bayes estimator is obtained using importance sampling. Asymptotic confidence intervals, bootstrap confidence interval and credible interval are also proposed. Monte Carlo simulations are performed to compare the different proposed methods. Analysis of one real data set is also given for illustrative purposes.
Bayes estimation, maximum likelihood estimation, Monte Carlo simulation, record values, importance sampling
براورد بیزی, براورد ماکسیمم درستنمایی, شبیهسازی مونت کارلویی, دادههای رکوردی, نمونهگیری از نقاط مهم
41
62
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-31&slc_lang=en&sid=1
2015/12/212015/12/202015/12/21
1394/9/30
2015/12/212015/12/202015/12/21
1394/9/30
A.
Asgharzadeh
اکبر
اصغرزاده
a.asgharzadeh@umz.ac.ir
003194753284600702
003194753284600702
Yes
M.
Abdi
موسی
عبدی
meabdi.z@gmail.com
003194753284600703
003194753284600703
No
R.
valiollahi
رضا
ولیاللهی
valiollahi.reza@gmail.com
003194753284600704
003194753284600704
No
en
پاسخهای یکسان برای سوالهای گوناگون در خصوص ساختار پیوند در جدولهای پیشایندی ناقص و کامل
Plain Answers to Several Questions about Association/Independence Structure in Complete/Incomplete Contingency Tables
ما در این مقاله به توسعهی بعضی نتایج در خصوص ساختار پیوند در جدولهای پیشایندی بر پایهی مدلهای ارتباطی خواهیم پرداخت. در مدلهای ارتباطی همواره میتوان فضای بُرداری لگاریتم بسامدهای مورد انتظار را به دو زیرفضای متعامد تجزیه نمود، کلیموا و همکاران (2012). این مهم به محقق کمک میکند تا پاسخهایی یکسان برای پرسشهای متعددی که در خصوص ساختار پیوند مطرح میشود، فراهم نماید. شالودهی اصلی مدلهای نسبتی، دو ماتریس «طرح» و «متعامد» میباشند. در این مقاله به معرفی بعضی قواعد ساده اما مهم برای تعیین عناصر این دو ماتریس خواهیم پرداخت. بررسی خواص ماکسیمم درستنمایی و معرفی ماندههای جدید بهعنوان مکملی برای ماندههای پیرسونی از مواردی هستند که در این مقاله بحث خواهند شد. از نتایج حاصل برای تحلیل دو مجموعه دادهی واقعی استفاده خواهیم کرد.
In this paper, we develop some results based on Relational model (Klimova, et al. 2012) which permits a decomposition of logarithm of expected cell frequencies under a log-linear type model. These results imply plain answers to several questions in the context of analyzing of contingency tables. Moreover, determination of design matrix and hypothesis-induced matrix of the model will be discussed. Properties of maximum likelihood estimators of the model parameters are obtained. Some new model residuals and an alternative symmetric chi-square criterion are given. Two real examples illustrate the method.
Association models, Context Specific models, Graphical models, Log-linear models, Relational models
مدلهای پیوندی, مدلهای گرافیکی, مدلهای لگ-خطی, مدلهای متنی معین, مدلهای ارتباطی
63
84
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-32&slc_lang=en&sid=1
2015/12/212015/12/202015/12/212015/12/21
1394/9/30
2015/12/212015/12/202015/12/212015/12/21
1394/9/30
K.
Ghoreishi
کامران
قریشی
atty_ghoreishi@yahoo.com
003194753284600705
003194753284600705
Yes
R.
Meshkani
رضا
مشکانی
mrmeshkani@gmail.com
003194753284600706
003194753284600706
No
en
توزیع نمایی- یکنواخت: ویژگیها و مشخصسازیها
Exp-Uniform Distribution: Properties and Characterizations
در این مقاله، ویژگیهای توزیع نمایی- یکنواخت و کاربردهای آن مورد مطالعه قرار گرفته است. برای تابع چگالی احتمال و گشتاورهای آمارههای مرتب این توزیع صورت بسته به دست آورده و در ادامه براورد پارامترها بهروش ماکسیمم درستنمایی را محاسبه و مورد بحث قرار دادهایم. همچنین مشخصسازیهای معین این توزیع ارایه شده است. کاربردهای توزیع نمایی- یکنواخت با برازش این توزیع به سه دستهی دادههای حقیقی و مقایسهی آن با سایر توزیعهای بقا، شرح داده شده است. امیدواریم این توزیع، کاربردهای وسیعتری در مدلهای تحلیل بقا داشته باشد.
In this paper, we study properties of exp-uniform distribution and its applications. We provide closed forms for the density function and moments of order statistics and we also discuss estimation of the parameters via the maximum likelihood method. We will present certain characterizations of exp-uniform distribution. The applications of this distribution are illustrated by fitting it to three real data sets and comparing the results with other lifetime distributions. We hope that this distribution will attract wider applications in lifetime models.
Characterizations, maximum likelihood estimator, order statistics
مشخصسازی, براوردگر ماکسیمم درستنمایی, آمارههای ترتیبی
85
106
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-33&slc_lang=en&sid=1
2015/12/212015/12/202015/12/212015/12/212015/12/21
1394/9/30
2015/12/212015/12/202015/12/212015/12/212015/12/21
1394/9/30
Z.
Javanshiri
زهره
جوانشیری
zo_ja15@um.ac.ir
003194753284600707
003194753284600707
No
A.
Habibi Rad
آرزو
حبیبیراد
ahabibi@um.ac.ir
003194753284600708
003194753284600708
Yes
H.
G. Hamedani
حسین
قراگزلو همدانی
g.hamedani@mu.edu
003194753284600709
003194753284600709
No
en
تعیینی کوتاه از ردهی معینی از توزیع نیمدایرهی توانی
A Brief Determination of Certain Class of Power Semicircle Distribution
تعیین توزیع میانگین (معدل) موزون از متغیرهای تصادفی با وزنهای تصادفی یکی از موضوعات مورد علاقهی آمارشناسان میباشد. بهطور کلی به دست آوردن توزیع این متغیر تصادفی در حالتی که اندازهی نمونه از ۲ بیشتر است بهصورت مستقیم کاری بسیار دشوار است و اغلب از تبدیلهای مختلف انتگرالی استفاده میشود. در این مقاله با در نظر گرفتن وزنهای تصادفی که از روی توزیع یکنواخت ساخته میشوند، توزیع میانگین موزون تصادفی در حالتی که متغیرهای تصادفی از توزیع نیمدایرهی توانی تبعیت میکنند به دست آمده است. در به دست آوردن توزیع این متغیر تصادفی از نمایش انتگرالی که برای تابع فوق هندسی گاوسی موجود است استفاده شده است.
In this paper, we give a new and direct proof for the recently proved conjecture raised in Soltani and Roozegar (2012). The conjecture can be proved in a few lines via the integral representation of the Gauss-hypergeometric function unlike the long proof in Roozegar and Soltani (2013).
Power semicircle distribution, Gauss-hypergeometric function, randomly weighted average, arcsine distribution
میانگین موزون تصادفی, توزیع نیمدایرهی توانی, تابع فوق هندسی گاوسی, توزیع آرک سینوسی
107
111
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-34&slc_lang=en&sid=1
2015/12/212015/12/202015/12/212015/12/212015/12/212015/12/21
1394/9/30
2015/12/212015/12/202015/12/212015/12/212015/12/212015/12/21
1394/9/30
Rasool
Roozegar
رسول
روزگار
rroozegar@yazd.ac
003194753284600710
003194753284600710
Yes
Reza
Soltani
رضا
سلطانی
soltani@kuc01.kuniv.edu.kw
003194753284600711
003194753284600711
No