@article{ author = {Saberi, Zahr}, title = {Bayesian Test of Different Association Structures in Two-Way Contingency Tables}, abstract ={ Bayesian methods for exact small-sample analysis with categorical data in $Itimes J$ contingency tables are considered. Different structures of association are defined and tested concerning log odds ratios in these tables with fixed row margins. The conditional distribution of sufficient statistics for interesting parameters conditional on the sufficient statistics of other nuisance parameters in the model is obtained and used to eliminate the effect of nuisance parameters. The resulting distribution for the table is Fisher's multivariate noncentral hypergeometric distribution. For Bayesian approach, although computation under this distribution is complicated, a common Bayesian model is considered. Bayes factor is used as a measure of evidence for Bayesian testing of different association structures. The performance of our testing Bayesian approach is compared with that of the classical corrected likelihood ratio test by some simulation studies. Also the Bayesian test of “homogenous association” is applied on a real data set.    }, Keywords = {Bayes factor, homogenous association, small-sample}, volume = {14}, Number = {1}, pages = {1-18}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {آزمون بیزی ساختارهای مختلف پیوند در جدول‌های تقاطعی دوطرفه}, abstract_fa ={روش‌های بیزی برای تحلیل دقیق کوچک‌نمونه‌ای در داده‌های رسته‌ای در جدول‌های تقاطعی $Itimes J$ در نظر گرفته شده است. ساختارهای مختلف پیوند به کمک پارامتر لگاریتم نسبت بخت‌ها در این جدول‌ها، با فرض معلوم بودن جمع‌های حاشیه‌ای سطری تعریف و مورد آزمون قرار گرفته‌اند. به‌منظور حذف پارامترهای مزاحم از مدل، توزیع شرطی آماره‌های بسنده‌ی پارامترهای مورد نظر به‌شرط آماره‌های بسنده‌ی پارامترهای مزاحم به‌دست آمده است. توزیع به‌دست آمده، توزیع چندمتغیره‌ی فوق هندسی غیر مرکزی فیشر است. از آن‌جایی که انجام تحلیل‌ها با در نظر گرفتن توزیع نمونه‌ای بالا بسیار پیچیده است، لذا برای استفاده از رویکرد بیزی، یک مدل بیزی ساده در نظر گرفته شده است. عامل بیز به‌عنوان گواه در آزمون‌های بیزی ساختارهای مختلف پیوند مورد استفاده قرار گرفته است. عمل‌کرد رویکرد بیز با رویکردهای کلاسیک مانند آزمون نسبت درستنمایی تصحیح‌شده به‌کمک مطالعه‌های شبیه‌سازی مورد مقایسه قرار گرفته‌اند. همچنین ساختار پیوند همگن در یک مثال عددی به‌کار برده شده است.  }, keywords_fa = {عامل بیز, پیوند همگن, کوچک‌نمونه‌}, doi = {10.18869/acadpub.jsri.14.1.1}, url = {http://jsri.srtc.ac.ir/article-1-251-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-251-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2017} } @article{ author = {Mohammadpour, Mehrnaz and Nematollahi, Alireza and yaripour, Mohammadjav}, title = {On the Efficiency of the Maximum Likelihood and Maximum Quasi-Likelihood Estimators in the Second Order Markov Chains}, abstract ={ The present work focuses on the second order Markov chain model which arises in a variety of settings and is well-suited to be modeled in many applications. The efficiency of the maximum quasi-likelihood estimators with the full maximum likelihood estimators for second order Markov chain models are given, besides the limiting normality results on the asymptotic properties of the associated estimates. Some efficiency calculations are also given to discuss the feasibility and computational complexity of the QL approach relative to the full likelihood approach.    }, Keywords = {Maximum likelihood, quasi-likelihood, second order Markov chain, efficiency}, volume = {14}, Number = {1}, pages = {19-30}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {در کارایی براوردگرهای بیشینه شبه‌درستنمایی و بیشینه درستنمایی در مدل‌های مارکوفی مرتبه‌ی دوم}, abstract_fa ={در این مقاله به مطالعه‌ی زنجیر مارکوفی مرتبه‌ی دوم که برای مدل‌بندی در بسیاری موارد مناسب می‌باشد پرداخته شده است. کارایی براوردگرهای بیشینه شبه‌درستنمایی با براوردگرهای بیشنیه درستنمایی به‌همراه توزیع مجانبی آن‌ها مطالعه شده و با ارایه‌ی یک مثال به بررسی قابلیت‌های این براوردگر پرداخته شده است.  }, keywords_fa = {یشینه درستنمایی, شبه‌درستنمایی, زنجیر مارکوفی مرتبه‌ی دوم, کارایی}, doi = {10.18869/acadpub.jsri.14.1.19}, url = {http://jsri.srtc.ac.ir/article-1-252-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-252-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2017} } @article{ author = {Asgharzadeh, Akbar and MirzazadehGanji, Zahra and Valiollahi, Reza and Ahmadi, Jafar}, title = {Reconstruction of Past Failure Times for Left Type-II Censored Data from Weibull Model}, abstract ={This paper deals with the problem of reconstructing missing data in a left type-II censoring scheme, where the underlying distribution is the Weibull distribution. Frequentist and Bayesian approaches are adopted in order to provide some point reconstructors for the past failure times. The problem of determining reconstruction intervals for the past failure times is also considered. The investigation includes an example of application to real data and various comparisons based on Monte Carlo simulations.    }, Keywords = {Left censoring, maximum likelihood reconstructor, best unbiased and conditional median reconstructors, reconstruction interval}, volume = {14}, Number = {1}, pages = {31-51}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {​بازسازی زمان‌های شکست گذشته برای داده‌های سانسوریده چپ نوع ۲ از مدل وایبول}, abstract_fa ={در این مقاله، مسأله‌ی بازسازی داده‌های گم‌شده در طرح سانسوریده نوع ۲ چپ وقتی که توزیع طول عمر وایبول باشد بررسی می‌شود. روش‌های کلاسیک و بیزی برای پیدا کردن بازسازی‌کننده‌های نقطه‌ای زمان‌های خرابی گذشته ارایه می‌شوند. مسئله‌ی تعیین فاصله‌های بازسازی برای زمان‌های خرابی گذشته نیز مورد مطالعه قرار می‌گیرد. مثالی از کاربرد داده‌های واقعی و شبیه‌سازی مونت کارلویی برای مقایسه‌ی بازسازی‌کننده‌های مختلف مورد بحث قرار می‌گیرد.  }, keywords_fa = {سانسور چپ, بازسازی‌کننده‌ی بیشینه درستنمایی, بازسازی‌کننده‌ی میانه‌ی شرطی و بهترین باز‌سازی‌کننده‌ی نااریب, فاصله‌ی بازسازی‌کننده}, doi = {10.18869/acadpub.jsri.14.1.31}, url = {http://jsri.srtc.ac.ir/article-1-253-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-253-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2017} } @article{ author = {Akhgari, Omid and Golalizadeh, Mous}, title = {Bayesian Analysis of Regression Models Using Instrumental Variables: A Case Study (Iranian Rural Households Income and Expenditure Data)}, abstract ={The instrumental variable (IV) regression is a common model in econometrics and other applied disciplines. This model is one of the proper candidate in dealing with endogeneity phenomenon which occurs in analyzing the multivariate regression when the errors are correlated with some covariates. One can consider IV regression as a special case of simultaneous equation models (SEM). There are some cases in which the normality assumption might not hold for the error term in these models and so the skew-normal distribution might be a suitable candidate. The present paper tackle the Bayesian inference based on Markov Chain Monte Carlo (MCMC) using this density for the error term while some instrumental variables are considered in the corresponding regression model. The proposed model is utilized to analysis the Iranian rural households income and expenditure collected in 2009.    }, Keywords = {Instrumental variable, endogenous (exogenous) variable, bayesian inference, skew-normal distribution, Markov chain Monte Carlo logarithm }, volume = {14}, Number = {1}, pages = {53-75}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {تحلیل بیزی مدل‌های رگرسیونی با استفاده از متغیرهای ابزاری: مطالعه‌ی موردی (داده‌های هزینه و درامد خانوارهای روستایی ایران)}, abstract_fa ={رگرسیون متغیر ابزاری مدلی متداول در اقتصاد‌سنجی و دیگر علوم کاربردی است. این مدل یکی از گزینه‌های مناسب در برخورد با پدیده‌ی درون‌زایی، هنگامی که خطاهای مدل رگرسیونی چندمتغیره با برخی از متغیرهای تبیینی همبسته باشند، است. رگرسیون متغیر ابزاری می‌تواند حالت خاص مدل‌های معادله‌های هم‌زمان نیز در نظر گرفته شود. در برخی مواقع فرض نرمال بودن برای مؤلفه‌ی خطای چنین مدل‌هایی برقرار نیست و لذا توزیع چوله‌نرمال ممکن است گزینه‌ی مناسبی باشد. مقاله‌ی حاضر استنباط بیزی مبتنی بر روش مونت کارلوی زنجیره مارکوفی با به‌کارگیری این توزیع را برای مؤلفه‌ی خطا، وقتی که در مدل‌های رگرسیونی مورد استفاده تعدادی متغیرهای ابزاری وجود داشته باشد، مورد مطالعه قرار می‌دهد. مدل پیش‌نهادی برای تحلیل داده‌های هزینه و درامد خانوارهای روستایی سال ۲۰۰۹ ایران به‌کار گرفته می‌شود.  }, keywords_fa = {متغیر ابزاری, متغیر درون‌زا (برون‌زا), استنباط بیزی, توزیع چوله-نرمال, الگوریتم مونت کارلوی زنجیر مارکوفی}, doi = {10.18869/acadpub.jsri.14.1.53}, url = {http://jsri.srtc.ac.ir/article-1-254-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-254-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2017} } @article{ author = {Kamgar, Saeideh and Navvabpour, Hamidrez}, title = {An Efficient Method for Estimating Population Parameters Using Split Questionnaire Design}, abstract ={The effect of survey questionnaire length on precision of survey statistics has been discussed in several studies. It is generally concluded that the lengthy questionnaire leads to increase non-sampling errors, especially nonresponse rate. Split questionnaire method has been introduced as a solution to decrease the response burden and nonresponse rate, involves splitting the questionnaire into subquestionnaires and then administering these subquestionnaires to different subsets of the original sample. In this paper, we suggest a method for splitting long questionnaire and analyzing resulting data, using small area estimation. The general idea behind this approach is to construct some socio-demographic or geographic small areas to apply small area estimation to improve the efficiency of survey statistics. Our new approach is supported by a simulation study based on a real dataset of the 2011 Iran Income and Expenditure survey, in which we show our method provides more reliable statistics than existing methods.    }, Keywords = {Empirical best linear unbiased prediction, matrix sampling, multiple imputation, response burden, small area estimation.}, volume = {14}, Number = {1}, pages = {77-99}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {روشی کارا برای براورد پارامترهای جامعه‌ای با استفاده از طرح شکستن پرسش‌نامه}, abstract_fa ={تأثیر طول پرسش‌نامه بر دقت آماره‌های آمارگیری در مطالعه‌های بسیاری مورد بررسی قرار گرفته است. به‌طور کلی، این بررسی‌ها نشان می‌دهند که پرسش‌نامه‌ی بلند باعث افزایش خطای غیر ‌نمونه‌گیری و به‌ویژه نرخ بی‌پاسخی می‌شود. روش شکستن پرسش‌نامه به‌عنوان یک راه ‌حل برای کاهش بار پاسخ‌گویی و نرخ بی‌پاسخی معرفی شده است. در این روش، پرسش‌نامه به چند زیرپرسش‌نامه شکسته شده و سپس زیرپرسش‌نامه‌ها به زیرمجموعه‌های مختلف از نمونه‌ی اصلی اختصاص داده می‌شوند. در این مقاله، روشی جدید برای شکستن پرسش‌نامه‌ی طولانی و تحلیل داده‌های حاصل با استفاده از روش براورد کوچک‌ناحیه‌ای پیش‌نهاد شده است. ایده‌ی کلی این است که کوچک‌ناحیه‌های اجتماعی-اقتصادی و یا جغرافیایی در نظر گرفته شده و سپس از فن براوردهای کوچک‌ناحیه‌ای برای افزایش دقت آماره‌های آمارگیری استفاده می‌شود. این روش پیش‌نهادی، با استفاده از یک مطالعه‌ی شبیه‌سازی بر اساس یک مجموعه داده‌ی واقعی مربوط به طرح آمارگیری هزینه و درامد خانوار ایران در سال ۲۰۱۱ مورد ارزیابی قرار می‌گیرد. در این مطالعه نشان می‌دهیم که روش پیش‌نهادی در مقایسه با روش‌های موجود، آماره‌های دقیق‌تری ارایه می‌دهد.  }, keywords_fa = {بهترین پیش‌گوگر نااریب خطی تجربی, نمونه‌گیری ماتریسی, جانهی چندگانه, بار پاسخ‌گویی, براورد کوچک‌ناحیه‌ای.}, doi = {10.18869/acadpub.jsri.14.1.77}, url = {http://jsri.srtc.ac.ir/article-1-255-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-255-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2017} } @article{ author = {FallahMohsenkhani, Zohreh and Mohammadzadeh, Mohsen and Baghfalaki, Tab}, title = {Bayesian Analysis of Augmented Mixed Beta Models with Skew-Normal Random Effects}, abstract ={ Many studies in different areas include data in the form of rates or proportions that should be analyzed. The data may also accept values zero and one. Augmented beta regression models are an appropriate choice for continuous response variables in the closed unit interval [0,1]. The data in this model are based on a combination of three distributions, degenerate distribution at 0 and 1, and a beta density in (0,1). The random effects are usually added to the model for accommodating the data structures as well as correlation impacts. In most of these models, the random effects are generally assumed to be normally distributed, while this assumption is frequently violated in applied studies. In this paper, the augmented mixed beta regression model with skew-normal distributed random effects is presented. A Bayesian approach is adopted for parameter estimation using Markov Chain Monte Carlo method. The proposed model is applied to analyze a real data set from Labor Force Survey.  }, Keywords = {Augmented beta regression, beta distribution, mixed models, Bayesian approach, skew-normal distribution.}, volume = {14}, Number = {1}, pages = {101-118}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {تحلیل بیزی مدل‌های رگرسیون بتای آمیخته‌ی افزوده با اثرهای تصادفی چوله-نرمال}, abstract_fa ={مطالعه‌های بسیاری در حوزه‌های مختلف شامل داده‌هایی به‌صورت نرخ‌ها یا نسبت‌ها هستند که باید تحلیل شوند. این داده‌ها همچنین ممکن است شامل مقادیر صفر و یک نیز باشند. مدل‌های رگرسیونی بتای افزوده انتخاب مناسبی برای متغیرهای پاسخ پیوسته در بازه‌ی بسته‌ی [۰,۱] هستند. داده‌ها در این مدل بر اساس آمیختن سه توزیع شامل دو توزیع تباهیده در صفر و یک با چگالی بتا در بازه‌ی (۰,۱) مدل‌بندی می‌شوند. اثرهای تصادفی معمولاً برای انطباق ساختار داده‌ها و همچنین اثرهای همبستگی داده‌ها به مدل اضافه می‌شوند. در بیش‌تر این مدل‌ها معمولاً فرض می‌شود که اثرهای تصادفی به‌صورت نرمال توزیع شده‌اند در حالی که این فرض غالباً در مطالعه‌های کاربردی نقض می‌شود. در این مقاله مدل رگرسیونی بتای آمیخته‌ی افزوده با اثرهای تصادفی چوله-نرمال ارایه شده است. رهیافت بیزی برای براورد پارامترهای مدل با استفاده از زنجیر مارکوفی مونت کارلویی اتخاذ شده است. در نهایت مدل ارایه‌شده برای تحلیل مجموعه داده‌های آمارگیری نیروی کار به‌کار گرفته شده است.}, keywords_fa = {رگرسیونی بتای افزوده, توزیع بتا, مدل‌های آمیخته, رهیافت بیزی, توزیع چوله-نرمال.}, doi = {10.18869/acadpub.jsri.14.1.101}, url = {http://jsri.srtc.ac.ir/article-1-256-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-256-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2017} } @article{ author = {Ameli, Samaneh and Rezaie, Majid and Ahmadi, Jafar}, title = {Prediction of Times to Failure of Censored Units in Progressive Hybrid Censored Samples for the Proportional Hazards Family}, abstract ={In this paper, the problem of predicting times to failure of units censored in multiple stages of progressively hybrid censoring for the proportional hazards family is considered. We discuss different classical predictors. The best unbiased predictor ($BUP$), the maximum likelihood predictor ($MLP$) and conditional median predictor ($CMP$) are all derived. As an example, the obtained results are computed for exponential distribution. A numerical example is presented to illustrate the prediction methods discussed here. Using simulation studies, the predictors are compared in terms of bias and mean squared prediction error ($MSPE$).  }, Keywords = {Best unbiased predictor, conditional median predictor, maximum likelihood predictor, mean square prediction error, Monte-Carlo simulation, point predictor, progressive hybrid censoring.}, volume = {14}, Number = {2}, pages = {131-155}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {​پیش‌بینی زمان‌های خرابی واحدهای سانسورشده تحت سانسور تلفیقی فزاینده‌ در خانواده‌ی توزیع‌های دارای نرخ خطر متناسب}, abstract_fa ={در این مقاله به مسئله‌ی پیش‌بینی زمان خرابی واحدهای سانسورشده در مرحله‌های مختلف سانسور تلفیقی فزاینده در خانواده‌ی توزیع‌های دارای نرخ خطر متناسب می‌پردازیم. روش‌های ‏کلاسیک پیش‌گویی را مورد بررسی قرار داده و بهترین پیش‌گوگر نااریب ،(BUP) ‎پیش‌گوگر بیشینه درستنمایی (MLP) و پیش‌گوگر میانه‌ی شرطی (CMP) را به‌دست می‌آوریم. برای ذکر مثال، نتیجه‌های حاصل‌شده برای توزیع نمایی محاسبه می‌شود. همچنین به‌منظور توضیح بیش‌تر روش‌های پیش‌بینی مورد بحث، یک مثال عددی ارایه می‌شود. با استفاده از مطالعات شبیه‌سازی پیش‌گوگرها بر اساس اریبی و میانگین توان دوم خطای پیش‌گوگرها (MSPE) مقایسه می‌شوند.  }, keywords_fa = {بهترین پیش‌گوگر نااریب, پیش‌گوگر بیشینه درستنمایی, پیش‌گوگر میانه‌ی شرطی, پیش‌گوگر نقطه‌ای, سانسور تلفیقی فزاینده, شبیه‌سازی مونت کارلویی, میانگین توان‌های دوم خطای پیش‌گویی.}, doi = {10.29252/jsri.14.2.131}, url = {http://jsri.srtc.ac.ir/article-1-269-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-269-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2018} } @article{ author = {HosseiniShojaei, Seyed Reza and Waghei, Yadollah and Mohammadzadeh, Mohse}, title = {Parameter Estimation in Spatial Generalized Linear Mixed Models with Skew Gaussian Random Effects using Laplace Approximation}, abstract ={ Spatial generalized linear mixed models are used commonly for modelling non-Gaussian discrete spatial responses. We present an algorithm for parameter estimation of the models using Laplace approximation of likelihood function. In these models, the spatial correlation structure of data is carried out by random effects or latent variables. In most spatial analysis, it is assumed that random effects have Gaussian distribution, but the assumption is questionable. This assumption is replaced in the present work, using a skew Gaussian distribution for the latent variables, which is more flexible and includes Gaussian distribution. We examine the proposed method using a real discrete data set.  }, Keywords = {Laplace approximation, multivariate skew Gaussian, random effects, SGLM, spatial data.}, volume = {14}, Number = {2}, pages = {157-169}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {​براورد پارامترها در مدل‌های آمیخته‌ی خطی تعمیم‌یافته‌ی فضایی با اثرهای تصادفی چوله‌گاوسی با استفاده از تقریب لاپلاس}, abstract_fa ={مدل‌های آمیخته‌ی خطی تعمیم‌یافته عموماً برای مدل‌سازی پاسخ‌های فضایی گسسته‌ی ناگاوسی مورد استفاده قرار می‌گیرند. ما در این مقاله با استفاده از تقریب لاپلاس تابع درستنمایی یک الگوریتم برای براورد پارامترها در مدل‌های آمیخته‌ی خطی تعمیم‌یافته‌ی فضایی با اثرهای تصادفی چوله‌گاوسی ارایه می‌دهیم. در این مدل‌ها ساختار همبستگی فضایی داده‌ها با استفاده از اثرهای تصادفی فضایی یا متغیرهای پنهان فضایی وارد می‌شوند. در اغلب تحلیل‌های فضایی فرض می‌شود که اثرهای تصادفی توزیع گاوسی چندمتغیره دارند، در حالی‌که معمولاً این فرض مورد تردید است. در مطالعه‌ی حاضر از توزیع چوله‌گاوسی برای متغیرهای پنهان فضایی استفاده شده، که از توزیع گاوسی انعطاف‌پذیرتر است و در حالت خاص شامل توزیع گاوسی نیز می‌شود. در نهایت، کاربرد روش‌های ارایه‌شده بر روی یک مجموعه داده‌ی واقعی گسسته (مربوط به فراوانی سرطان سینه در استان‌های کشور) نشان داده می‌شود.  }, keywords_fa = {تقریب لاپلاس, چوله‌گاوسی چندمتغیره, اثرهای تصادفی؛ SGLM, داده‌های فضایی.}, doi = {10.29252/jsri.14.2.157}, url = {http://jsri.srtc.ac.ir/article-1-273-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-273-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2018} } @article{ author = {Abdi, Mousa and Asgharzadeh, Akbar}, title = {Rayleigh Confidence Regions based on Record Data}, abstract ={This paper presents exact joint confidence regions for the parameters of the Rayleigh distribution based on record data. By providing some appropriate pivotal quantities, we construct several joint confidence regions for the Rayleigh parameters. These joint confidence regions are useful for constructing confidence regions for functions of the unknown parameters. Applications of the joint confidence regions using two environmental data sets are presented for illustrative purposes. Finally, a simulation study is conducted to study the performance of the proposed joint confidence regions.    }, Keywords = {Joint confidence region, pivotal quantity, Rayleigh distribution, records}, volume = {14}, Number = {2}, pages = {171-188}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {​ناحیه‌های اطمینان توأم رایلی بر اساس داده‌های رکوردی}, abstract_fa ={ در این مقاله ناحیه‌های اطمینان توأم دقیق برای پارامترهای توزیع رایلی بر اساس داده‌های رکوردی ارایه می‌شود. با معرفی برخی کمیت‌های محوری مناسب، چندین ناحیه‌ی اطمینان توأم برای پارامترهای مجهول توزیع رایلی ساخته می‌شود. این ناحیه‌های اطمینان توأم را می‌توان برای ساختن ناحیه‌های اطمینان برای هر تابعی از پارامترهای مجهول به‌کار برد. با استفاده از دو مجموعه داده‌ی واقعی در علوم محیطی کاربرد ناحیه‌های اطمینان مورد نظر تشریح می‌شود. در انتها نیز یک مطالعه‌ی شبیه‌سازی برای مطالعه‌ی کارایی ناحیه‌های اطمینان توأم پیش‌نهادی ارایه می‌شود.  }, keywords_fa = {توزیع رایلی, داده‌های رکوردی, کمیت محوری, ناحیه‌ی اطمینان توأم.‌}, doi = {10.29252/jsri.14.2.171}, url = {http://jsri.srtc.ac.ir/article-1-268-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-268-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2018} } @article{ author = {Azizpour, Mina and Asgharzadeh, Akbar}, title = {Inference for the Type-II Generalized Logistic Distribution with Progressive Hybrid Censoring}, abstract ={This article presents the analysis of the Type-II hybrid progressively censored data when the lifetime distributions of the items follow Type-II generalized logistic distribution. Maximum likelihood estimators (MLEs) are investigated for estimating the location and scale parameters. It is observed that the MLEs can not be obtained in explicit forms. We provide the approximate maximum likelihood estimators (AMLEs) by appropriately approximating the likelihood equations. Asymptotic confidence intervals based on MLEs and AMLEs and one bootstrap confidence interval are proposed. Estimation of the shape parameter is also discussed. Monte Carlo simulations are performed to compare the performances of the different methods and two real data sets have been analyzed for illustrative purposes.  }, Keywords = {Maximum likelihood estimation, progressively Type-II hybrid censoring, Type-II generalized logistic distribution.}, volume = {14}, Number = {2}, pages = {189-217}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {استنباط برای توزیع لوژستیک تعمیم‌یافته‌ی نوع دوم تحت سانسور تلفیقی فزاینده}, abstract_fa ={در این مقاله، تحلیل داده‌های سانسورشده‌ی تلفیقی فزاینده‌ی نوع ۲ وقتی که توزیع طول عمر، لوژستیک تعمیم‌یافته‌ی نوع دوم باشد در نظر گرفته می‌شود. براوردگرهای بیشینه درستنمایی پارامترهای مکان و مقیاس بحث می‌شوند و مشاهده می‌شود که این براوردگرها صورت صریحی ندارند. با تقریب مناسب معادله‌های درستنمایی، براوردگرهای بیشینه درستنمایی تقریبی معرفی می‌شوند. بازه‌های اطمینان مجانبی بر اساس براوردگرهای بیشینه درستنمایی و بیشینه درستنمایی تقریبی و نیز یک بازه‌ی اطمینان خودگردان پیش‌نهاد می‌شوند. براورد پارامتر شکل نیز مورد بحث قرار می‌گیرد. به‌منظور مقایسه‌ی کارایی روش‌های مختلف، یک مطالعه‌ی شبیه‌سازی انجام می‌شود و دو مجموعه داده‌های واقعی نیز برای تشریح نتیجه‌ها، مورد بحث قرار می‌گیرند.  }, keywords_fa = {براورد بیشینه درستنمایی, سانسور تلفیقی فزاینده‌ی نوع ۲, توزیع لوژستیک تعمیم‌یافته‌ی نوع دوم.‌}, doi = {10.29252/jsri.14.2.189}, url = {http://jsri.srtc.ac.ir/article-1-270-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-270-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2018} } @article{ author = {Mahmoudi, Eisa and Lalehzari, Reihaneh and Meshkat, Rahmat Sadat}, title = {A Perturbed Half-normal Distribution and Its Applications}, abstract ={In this paper, a new generalization of the half-normal distribution which is called the perturbed half-normal distribution is introduced. The new distribution belongs to a family of distributions which includes the half-normal distribution along with an extra parameter to regulate skewness. The probability density function (pdf) is derived and some various properties of the new distribution are obtained. The derived properties include the cumulative distribution function (cdf), the $r$th moment, moment generating function, characteristic function, mean deviation about the mean and estimation of the parameters using the method of moments and maximum likelihood. Finally, the flexibility and potentiality of the new distribution is illustratedin an application to two real data sets.  }, Keywords = {Error function, half-normal distribution, hypergeometric function, skewness, moment generating function.}, volume = {14}, Number = {2}, pages = {219-246}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {​توزیع نیم-نرمال پریشیده و کاربرد آن}, abstract_fa ={ در این مقاله، یک تعمیم جدید از توزیع نیم-نرمال با نام توزیع نیم-نرمال پریشیده معرفی می‌شود. این توزیع جدید متعلق به خانواده‌ای از توزیع‌ها شامل توزیع نیم-نرمال همراه با یک پارامتر اضافی به‌منظور تعدیل چولگی است. به‌علاوه تابع چگالی احتمال و برخی ویژگی‌های این توزیع به‌دست می‌آیند. این ویژگی‌ها شامل تابع توزیع تجمعی، گشتاور $r$-ام، تابع مولد گشتاور، تابع مشخصه، میانگین انحرافات از میانگین و براورد پارامترها با استفاده از روش گشتاورها و بیشینه درستنمایی می‌باشند. در نهایت، انعطاف‌پذیری و توانایی توزیع جدید با استفاده از دو سری داده‌ی‌ واقعی در بخش کاربرد نشان داده می‌شوند.  }, keywords_fa = {تابع خطا, توزیع نیم-نرمال, تابع فوق هندسی, چولگی, تابع مولد گشتاور.‌}, doi = {10.29252/jsri.14.2.219}, url = {http://jsri.srtc.ac.ir/article-1-272-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-272-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2018} } @article{ author = {RahmaniShamsi, Jafar and Dolati, Ali}, title = {​Rank based Least-squares Independent Component Analysis}, abstract ={  In this paper, we propose a nonparametric rank-based alternative to the least-squares independent component analysis algorithm developed. The basic idea is to estimate the squared-loss mutual information, which used as the objective function of the algorithm, based on its copula density version. Therefore, no marginal densities have to be estimated. We provide empirical evaluation of the proposed algorithm through simulation and real data analysis. Since the proposed algorithm uses rank values rather than the actual values of the observations, it is extremely robust to the outliers and suffers less from the presence of noise than the other algorithms.  }, Keywords = {Copula, independent component analysis, squared-loss mutual information.}, volume = {14}, Number = {2}, pages = {247-266}, publisher = {Statistical Research and Training Center - Statistical Centre of Iran}, title_fa = {تحلیل مؤلفه‌های مستقل کم‌ترین توان‌های دوم رتبه-مبنا}, abstract_fa ={ در این مقاله یک الگوریتم ناپارامتری رتبه-مبنا برای تحلیل مؤلفه‌های مستقل ارایه می‌شود که جایگزینی برای الگوریتم مؤلفه‌های مستقل کم‌ترین توان‌های دوم است. ایده‌ی اصلی این است که برای براورد اطلاع متقابل توان دوم زیان، به‌عنوان تابع هدف در الگوریتم، از براورد تابع چگالی مفصل استفاده می‌شود. در الگوریتم معرفی‌شده، نیازی به براورد توابع چگالی حاشیه‌ای مؤلفه‌ها نیست. عمل‌کرد الگوریتم پیش‌نهادی با استفاده از شبیه‌سازی و تحلیل داده‌های واقعی مورد ارزیابی قرار می‌گیرد. از آن‌جا که الگوریتم پیش‌نهادی به‌جای داده‌های اصلی از رتبه‌های آن‌ها استفاده می‌کند، به‌طور معنی‌داری در مقابل داده‌های دورافتاده استوار است و نسبت به الگوریتم‌های مشابه از حساسیت کم‌تری برخوردار است.  }, keywords_fa = {مفصل, تحلیل مؤلفه‌های مستقل, اطلاع متقابل توان دوم زیان}, doi = {10.29252/jsri.14.2.247}, url = {http://jsri.srtc.ac.ir/article-1-271-en.html}, eprint = {http://jsri.srtc.ac.ir/article-1-271-en.pdf}, journal = {Journal of Statistical Research of Iran JSRI}, issn = {2538-5771}, eissn = {2538-5763}, year = {2018} }