OTHERS_CITABLE براورد کارا برای تابع چگالی و تابع توزیع تجمعی در توزیع رایلی تعمیم‌یافته ‌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. http://jsri.srtc.ac.ir/article-1-53-fa.pdf 2015-12-21 1 22 10.18869/acadpub.jsri.10.1.1 توزیع رایلی تعمیم‌یافته براوردگر ماکسیمم درستنمایی براوردگر نااریب با واریانس به‌طور یکنواخت مینیمم براوردگر صدکی براوردگر کم‌ترین توان‌های دوم براوردگر کم‌ترین توان‌های دوم موزون Efficient Estimation of the Density and Cumulative Distribution Function of the Generalized Rayleigh Distribution 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 http://jsri.srtc.ac.ir/article-1-53-en.pdf 2015-12-21 1 22 10.18869/acadpub.jsri.10.1.1 Generalized Rayleigh distribution maximum likelihood estimator uniformly minimum variance unbiased estimator percentile estimator least squares estimator weighted least squares estimator M. Alizadeh alizadeh_mojtaba_san@yahoo.com 1 AUTHOR F. Bagheri f_bagheri@sbu.ac.ir 2 AUTHOR M. M. Khaleghy Moghaddam m.khaleghi@sanru.ac.ir 3 AUTHOR
OTHERS_CITABLE رابطه‌های بازگشتی برای گشتاور خارج‌ قسمتی توزیع پارتوی تعمیم‌یافته مبتنی بر آماره‌های ترتیبی تعمیم‌یافته و مشخص‌سازی 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. http://jsri.srtc.ac.ir/article-1-52-fa.pdf 2015-12-20 23 39 10.18869/acadpub.jsri.10.1.23 آماره‌های ترتیبی تعمیم‌یافته آماره‌های ترتیبی مقادیر رکوردی توزیع پارتوی تعمیم‌یافته رابطه‌های بازگشتی امید ریاضی شرطی و مشخص‌سازی Recurrence Relations for Quotient Moment of Generalized Pareto Distribution Based on Generalized Order Statistics and Characterization 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. http://jsri.srtc.ac.ir/article-1-52-en.pdf 2015-12-20 23 39 10.18869/acadpub.jsri.10.1.23 Generalized order statistics order statistics record values generalized Pareto distribution recurrence relations conditional expectation and characterization Devendra Kumar devendrastats@gmail.com 1 AUTHOR
OTHERS_CITABLE تحلیل داده‌های رکوردی از توزیع لوژستیک با پارامتر مقیاس 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. http://jsri.srtc.ac.ir/article-1-54-fa.pdf 2015-12-21 41 62 10.18869/acadpub.jsri.10.1.41 براورد بیزی براورد ماکسیمم درستنمایی شبیه‌سازی مونت کارلویی داده‌های رکوردی نمونه‌گیری از نقاط مهم Analysis of Record Data from the Scaled Logistic Distribution 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. http://jsri.srtc.ac.ir/article-1-54-en.pdf 2015-12-21 41 62 10.18869/acadpub.jsri.10.1.41 Bayes estimation maximum likelihood estimation Monte Carlo simulation record values importance sampling A. Asgharzadeh a.asgharzadeh@umz.ac.ir 1 AUTHOR M. Abdi meabdi.z@gmail.com 2 AUTHOR R. valiollahi valiollahi.reza@gmail.com 3 AUTHOR
OTHERS_CITABLE پاسخ‌های یکسان برای سوال‌های گوناگون در خصوص ساختار پیوند در جدول‌های پیشایندی ناقص و کامل 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.  http://jsri.srtc.ac.ir/article-1-55-fa.pdf 2015-12-21 63 84 10.18869/acadpub.jsri.10.1.63 مدل‌های پیوندی مدل‌های گرافیکی مدل‌های لگ-خطی مدل‌های متنی معین مدل‌های ارتباطی Plain Answers to Several Questions about Association/Independence Structure in Complete/Incomplete Contingency Tables 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. http://jsri.srtc.ac.ir/article-1-55-en.pdf 2015-12-21 63 84 10.18869/acadpub.jsri.10.1.63 Association models Context Specific models Graphical models Log-linear models Relational models K. Ghoreishi atty_ghoreishi@yahoo.com 1 AUTHOR R. Meshkani mrmeshkani@gmail.com 2 AUTHOR
OTHERS_CITABLE توزیع نمایی- یکنواخت: ویژگی‌ها و مشخص‌سازی‌ها ‌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. http://jsri.srtc.ac.ir/article-1-56-fa.pdf 2015-12-21 85 106 10.18869/acadpub.jsri.10.1.85 مشخص‌سازی براوردگر ماکسیمم درستنمایی آماره‌های ترتیبی Exp-Uniform Distribution: Properties and Characterizations 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. http://jsri.srtc.ac.ir/article-1-56-en.pdf 2015-12-21 85 106 10.18869/acadpub.jsri.10.1.85 Characterizations maximum likelihood estimator order statistics Z. Javanshiri zo_ja15@um.ac.ir 1 AUTHOR A. Habibi Rad ahabibi@um.ac.ir 2 AUTHOR H. G. Hamedani g.hamedani@mu.edu 3 AUTHOR
OTHERS_CITABLE تعیینی کوتاه از رده‌ی معینی از توزیع نیم‌دایره‌ی توانی 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. http://jsri.srtc.ac.ir/article-1-57-fa.pdf 2015-12-21 107 111 10.18869/acadpub.jsri.10.1.107 میانگین موزون تصادفی توزیع نیم‌دایره‌ی توانی تابع فوق هندسی گاوسی توزیع آرک سینوسی A Brief Determination of Certain Class of Power Semicircle Distribution 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). http://jsri.srtc.ac.ir/article-1-57-en.pdf 2015-12-21 107 111 10.18869/acadpub.jsri.10.1.107 Power semicircle distribution Gauss-hypergeometric function randomly weighted average arcsine distribution Rasool Roozegar rroozegar@yazd.ac 1 AUTHOR Reza Soltani soltani@kuc01.kuniv.edu.kw 2 AUTHOR