OTHERS_CITABLE مشخصه‌سازی توزیع رایلی بر اساس آنتروپی باقیمانده‌ی تجمعی و آزمون نیکویی برازش مربوط به آن توزیع رایلی در مدل‌سازی آماری به‌صورتی وسیع مورد استفاده قرار می‌گیرد. این مدل در دستگاه‌های الکتریکی دارای خلا و مهندسی ارتباطات نقش به‌سزایی دارد. رائو و همکاران ( (2004آنتروپی باقیمانده‌ی تجمعی (CRE) را که تعمیمی از آنتروپی شانون با استفاده از تابع توزیع تجمعی است، معرفی نمودند. در این مقاله، کلاسی از توزیع‌های ماکسیمم CRE را معرفی کرده، سپس به مشخصه‌سازی توزیع رایلی پرداخته و با استفاده از آن، آزمون نیکویی برازش برای بررسی صحت مدل را انجام می‌دهیم. برای ساختن آماره‌ی این آزمون، اطلاع کولبک- لیبلر باقیمانده‌ی تجمعی (CKL) که توسط براتپور و حبیبی (2012) معرفی شد را به کار می‌بریم. مقادیر بحرانی آماره‌ی آزمون با اندازه‌های مختلف نمونه را به‌کمک شبیه‌سازی مونت کارلو به دست می‌آوریم. تحلیل توان با استفاده از شبیه‌سازی مونت کارلو برای فرضیه‌های مقابل مختلف و نمونه‌هایی با اندازه‌های متفاوت به‌منظور مقایسه‌ی آزمون معرفی‌شده با آزمون‌های رایج بر اساس تابع توزیع تجمعی، انجام می‌گردد و نشان می‌دهیم آزمون معرفی‌شده خواص توانی خوبی دارد. در نهایت کاربرد آزمون معرفی‌شده را در یک مثال تشریحی نشان می‌دهیم. http://jsri.srtc.ac.ir/article-1-203-fa.pdf 2016-08-16 115 131 10.18869/acadpub.jsri.9.2.115 آنتروپی باقیمانده‌ی تجمعی ماکسیمم آنتروپی اطلاع کولبک-لیبلر توزیع رایلی آزمون نیکویی برازش مطالعه‌ی توان A Cumulative Residual Entropy Characterization of the Rayleigh Distribution and Related Goodness-of-Fit Test Rayleigh distribution is widely used for life-time modeling and is important in electro vacuum devices and communication engineering. Rao et al. (2004) suggested the Cumulative Residual Entropy (CRE), which is the extension of the Shannon entropy to the the cumulative distribution function. In this paper, a general class of maximum CRE distributions is introduced and then we characterize the Rayleigh distribution and use it to construct a goodness-of-fit test for ascertaining appropriateness of such model. For constructing the test statistics, we use Cumulative residual Kullback-Leibler information (CKL) that was introduced by Baratpour and Habibi (2012). Critical values for various sample sizes determined by means of Monte Carlo simulations are presented for the test statistics. A Monte Carlo power analysis is performed for various alternatives and sample sizes in order to compare the proposed test with several existing goodness-of-fit tests based on the empirical distribution. We find that the proposed test has good power properties. The use of the proposed test is shown in an illustrative example. http://jsri.srtc.ac.ir/article-1-203-en.pdf 2016-08-16 115 131 10.18869/acadpub.jsri.9.2.115 Cumulative residual entropy maximum entropy Kullback-Leibler divergence Rayleigh distribution goodness of fit power study S. Baratpour baratpour@um.ac.ir 1 AUTHOR F. Khodadadi ne_khodadad2@yahoo.com 2 AUTHOR
OTHERS_CITABLE آزمون بیز تجربی و کاربرد آن در انتخاب آستانه‌ی موجک در این مقاله، روشی جدید برای انتخاب مقدار آستانه‌ای در انقباض موجکی با استفاده از دیدگاه بیز تجربی ارایه شده است. با به‌کارگیری آزمون فرض کلاسیک و بیزی به جای براورد نقطه‌ای، بهترین آزمون که منتج به بهترین پیشین می‌شود، انتخاب شده و مناسب‌ترین مقدار آستانه‌ای متناظر با آن را معرفی می‌کنیم. توابع استاندارد برای ارزیابی روش ارایه‌شده با روش‌های موجود، مورد استفاده قرار گرفته است. http://jsri.srtc.ac.ir/article-1-60-fa.pdf 2015-12-22 133 146 10.18869/acadpub.jsri.9.2.133 آزمون بیزی آستانه‌ی موجک بیز تجربی پرتوان‌ترین آزمون توزیع‌های دم‌کلفت. Parametric Empirical Bayes Test and Its Application to Selection of Wavelet Threshold In this article, we propose a new method for selecting level dependent threshold in wavelet shrinkage using the empirical Bayes framework. We employ both Bayesian and frequentist testing hypothesis instead of point estimation method. The best test yields the best prior and hence the more appropriate wavelet thresholds. The standard model functions are used to illustrate the performance of the proposed method and make comparisons with other traditional methods.   http://jsri.srtc.ac.ir/article-1-60-en.pdf 2015-12-22 133 146 10.18869/acadpub.jsri.9.2.133 Bayes test parametric empirical Bayes most powerful test heavy tailed distribution unbiased test wavelet thresholding Mona Shokripour m_shokripour@sbu.ac.ir 1 AUTHOR Adel Mohammadpour adel@aut.ac.ir 2 AUTHOR Mina Aminghafari aminghafari@aut.ac.ir 3 AUTHOR
OTHERS_CITABLE نتایجی در مورد خانواده‌ای از تابع‌های مفصل ارشمیدسی تعمیم‌یافته دورانته و همکاران (2007) خانواده‌ای از تابع‌های مفصل را معرفی نمودند که به دو مولد وابسته است و برخی از مفصل‌های معروف از جمله مفصل ارشمیدسی را تعمیم می‌دهد. در این مقاله با در نظر گرفتن تابع‌های بقای یک‌متغیره به‌عنوان مولد، نتایجی در مورد ویژگی‌های این خانواده بیان می‌شود.  http://jsri.srtc.ac.ir/article-1-61-fa.pdf 2015-12-22 147 158 10.18869/acadpub.jsri.9.2.147 تابع مفصل مفصل ارشمیدسی ترتیب وابستگی تابع بقا Some Results on a Generalized Archimedean Family of Copulas Durante et al. (2007) introduced a class of bivariate copulas depending on two generators which generalizes some known families such as the Archimedean copulas. In this paper we provide some result on properties of this family when the generators are certain univariate survival functions. http://jsri.srtc.ac.ir/article-1-61-en.pdf 2015-12-22 147 158 10.18869/acadpub.jsri.9.2.147 Copula Archimedean copula dependence ordering survival function Ali Dolati adolati@yazd.ac.ir 1 AUTHOR Mojdeh Karbasian mkarbasian9@gmail.com 2 AUTHOR
OTHERS_CITABLE بهبود در براورد میانگین جامعه در نمونه‌گیری خوشه‌ای گوپتا و شبیرشکل دیگری از براوردگرهای نوع رگرسیونی را برای براورد میانگین جامعه پیشنهاد داده‌اند، ما براوردگرهای جدیدی را توسط آمیختن دو روش نمونه‌گیری طبقه‌بندی و خوشه‌ای معرفی کردیم. سپس این براوردگرها را توسط متغیرهای کمکی ارتفا می‌دهیم و براوردگرهای جدیدی معرفی می‌کنیم. به‌عنوان مثال در جامعه‌های بسیار بزرگ با پراکندگی جغرافیایی بالا، جامعه می‌تواند به چند زیرجامعه‌ی کوچک‌تر که تا حدی منجر به کاهش پراکندگی می‌شود، تقسیم شود. این موضوع روی واریانس براوردگر تأثیر خواهد گذاشت. مضافاً تقسیم‌بندی جامعه، صرفه‌جویی در هزینه، زمان و محاسبات آسان را نتیجه خواهد داد. http://jsri.srtc.ac.ir/article-1-62-fa.pdf 2015-12-22 159 177 10.18869/acadpub.jsri.9.2.159 متغیرهای کمکی نمونه‌گیری خوشه‌ای براوردگر نمونه‌گیری طبقه‌بندی Some Improvment in the Estimation of Population Mean in Cluster Sampling Gupta and Shabbir (2008) have suggested an alternative form of ratio-type estimator for estimating the population mean. In this paper, we introduced new estimators by mixing two, stratified and cluster sampling method. Then we improved these estimators by using auxiliary variables and introducing new estimators. For sampling in infinite populations with a high geographic dispersion, the population will be divided into some smaller sub-population which leads to dispersion reduction to some extent. This will affect the variance of the estimator. Additionally dividing the population will result in saving cost, time and eases calculations. http://jsri.srtc.ac.ir/article-1-62-en.pdf 2015-12-22 159 177 10.18869/acadpub.jsri.9.2.159 Auxiliary variables cluster sampling estimator stratified sampling. M. Sakizadeh mansoure6611@yahoo.com 1 AUTHOR A. Gerami agerami@ut.ac.ir 2 AUTHOR
OTHERS_CITABLE مجموعه‌ی اطمینان مدل بر اساس فاصله‌ی کولبک-لیبلر فرض کنید X1,…, Xn یک نمونه‌ی تصادفی از تابع چگالی احتمال درست h(.) باشد. در حالت کلی h(.) نامعلوم است و با تابع چگالی مناسب fƟ(x) تقریب زده می‌شود. در این مقاله، با استفاده از آزمون و ونگ (۱۹۸۹)‎، به همراه kمدل غیر آشیانی(k>2)، یک مجموعه‌ی اطمینان از مدل‌های مناسب، به‌عنوان تقریبی ازh(.) ساخته می‌شود. کاربردی از چنین مجموعه‌ی اطمینانی، با استفاده از شبیه‌سازی تأیید شده است. http://jsri.srtc.ac.ir/article-1-63-fa.pdf 2015-12-22 179 193 10.18869/acadpub.jsri.9.2.179 آزمون وونگ انتخاب مدل فاصله‌ی کولبک-لیبلر مجموعه‌ی اطمینان مدل‌های غیر آشیانی. Model Confidence Set Based on Kullback-Leibler Divergence Distance Consider the problem of estimating true density, h(.) based upon a random sample X1,…, Xn. In general, h(.)is approximated using an appropriate in some sense, see below) model fƟ(x). This article using Vuong's (1989) test along with a collection of k(> 2) non-nested models constructs a set of appropriate models, say model confidence set, for unknown model h(.).Application of such confidence set has been confirmed through a simulation study. http://jsri.srtc.ac.ir/article-1-63-en.pdf 2015-12-22 179 193 10.18869/acadpub.jsri.9.2.179 Kullback-Leibler divergence distance confidence set model selection non-nested models Vuong's test. G. Barmalzan ghbarmalzan@uoz.ac.ir 1 AUTHOR T. Payandeh Najafabad amirtpayandeh@sbu.ac.ir 2 AUTHOR
OTHERS_CITABLE براورد برای توزیع مقدار غایی نوع بر مبنای سانسور پیشرونده‌ی نوع II در این مقاله استنباط آماری روی پارامترهای نامعلوم و تابع قابلیت اعتماد توزیع مقدار غایی نوع  II  را بر مبنای سانسور پیشرونده‌ی نوع  II مورد بحث قرار می‌دهیم. با استفاده از الگوریتم EM براوردهای ماکسیمم درستنمایی را به دست می‌آوریم و همچنین براوردگرهای ماکسیمم درستنمایی تقریبی را که شکل صریحی دارند، پیشنهاد می‌کنیم. براوردهای بیزی را با استفاده از تابع زیان متقارن (زیان توان دوم خطا) و توابع زیان نامتقارن (زیان‌های لاینکس و آنتروپی) فراهم می‌کنیم. برای به دست آوردن براوردهای بیزی روش‌های تقریب لیندلی و مونت کارلوی زنجیر مارکوفی را به کار می‌گیریم. در پایان با استفاده از شبیه‌سازی‌های مونت کارلو روش‌های بحث‌شده در این مقاله را مقایسه کرده و این روش‌ها را برای یک مجموعه داده‌ی واقعی به کار می‌بریم.   http://jsri.srtc.ac.ir/article-1-64-fa.pdf 2015-12-22 195 221 10.18869/acadpub.jsri.9.2.195 الگوریتم EM براوردگرهای ماکسیمم درستنمایی تقریبی براوردهای بیزی تقریب لیندلی سانسور پیشرونده‌ی نوع II شبیه‌سازی مونت کارلو Estimation for the Type-II Extreme Value Distribution Based on Progressive Type-II Censoring In this paper, we discuss the statistical inference on the unknown parameters and reliability function of type-II extreme value (EVII) distribution when the observed data are progressively type-II censored. By applying EM algorithm, we obtain maximum likelihood estimates (MLEs). We also suggest approximate maximum likelihood estimators (AMLEs), which have explicit expressions. We provide Bayes estimates using both the symmetric and asymmetric loss functions via squared error loss, LINEX loss, and general entropy loss functions. Bayes estimates are obtained using the idea of Lindley and Markov chain Monte Carlo techniques. Finally, Monte Carlo simulations are presented to illustrate the methods discussed in this paper. Analysis is also carried out for a real data set. http://jsri.srtc.ac.ir/article-1-64-en.pdf 2015-12-22 195 221 10.18869/acadpub.jsri.9.2.195 Approximate maximum likelihood estimators Bayes estimates EM algorithm Lindley's approximation Monte Carlo simulation progressive type-II censoring. K. Ahmadi K.Ahmadi@birgand.ac.ir 1 AUTHOR V. Ahrari Khalaf v_ahrary84@yahoo.com 2 AUTHOR M. Rezaei Mjrezaei@yahoo.com 3 AUTHOR