en
jalali
1394
12
1
gregorian
2016
3
1
12
2
online
1
fulltext
fa
مدلسازی فضای وضعیت نرمال چولهی مدار الکتریکی RC و براورد پارامترهای آن بر پایهی روش مونته کارلوی زنجیر مارکوفی ذرهای
Skew Normal State Space Modeling of RC Electrical Circuit and Parameters Estimation based on Particle Markov Chain Monte Carlo
چکیده: در این مقاله، یک مدل فضای وضعیت نرمال چولهی مدار الکتریکی RC با در نظر گرفتن معادلهی دیفرانسیل تصادفی این مدار با نوفهی سفید و رنگی بهعنوان مدل پویا و نوفهی اندازهی نرمال چوله به جای نرمال معرفی میشود. فن پالایش بهینه با استفاده از طرح مونته کارلوی دنبالهای برای بهدست آوردن بار بهعنوان متغیر وضعیت مدل به کار گرفته شده است. علاوه بر آن فرض شده است که مدل شامل پارامترهای نامعلوم (مقاومت، خازن، پارامترهای میانگین، واریانس و شکل توزیع نرمال چوله بهعنوان نوفهی اندازه) میباشد. از روش بیزی برای براورد همزمان بار پنهان و پارامترهای نامعلوم مدل با استفاده از طرح متروپولیس-هستینگس حاشیهای ذرهای استفاده شده است. مطالعههای شبیهسازی بهمنظور بررسی کارایی روشهای پیشنهادی انجام گرفته و نشان داده شده است که درصد پوشش توزیع نرمال چوله بهعنوان نوفهی اندازه بیشتر از توزیع نرمال است.
Received: 9/21/2013 Approved: 12/9/2015
Abstract: In this paper, a skew normal state space model of RC electrical circuit is presented by considering the stochastic differential equation of the this circuit as the dynamic model with colored and white noise and considering a skew normal distribution instead of normal as the measurement noise distribution. Optimal filtering technique via sequential Monte Carlo perspective is developed for tracking the charge as the hidden state of this model. Furthermore, it is assumed that this model contains unknown parameters (resistance, capacitor, mean, variance and shape parameter of the skew normal as the measurement noise distribution). Bayesian framework is applied for estimation of both the hidden charge and the unknown parameters using particle marginal Metropolis-Hastings scheme. It is shown that the coverage percentage of skew normal is more than the one of normal as the measurement noise. Some simulation studies are carried out to demonstrate the efficiency of the proposed approaches.
RC electrical circuit, state space model, sequential Monte Carlo filtering, parameter estimation.
مدار الکتریکی RC , مدل فضای وضعیت, پالایش مونته کارلوی دنبالهای, براورد پارامتر.
129
146
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-157&slc_lang=en&sid=1
2016/07/4
1395/4/14
2016/07/4
1395/4/14
R.
Farnoosh
رحمان
فرنوش
rfarnoosh@iust.ac.ir
003194753284600761
003194753284600761
Yes
A.
Hajrajabi
آرزو
حاجرجبی
hajirajabi@iust.ac.ir
003194753284600762
003194753284600762
No
fa
آزمون نسبت لگدرستنمایی علامتدار اصلاحشده برای مقایسهی ضریبهای همبستگی دو توزیع نرمال دومتغیرهی مستقل
Modified Signed Log-Likelihood Ratio Test for Comparing the Correlation Coefficients of Two Independent Bivariate Normal Distributions
در این مقاله، روش آزمون نسبت لگدرستنمایی علامتدار اصلاحشده را برای مسئلهی آزمون برابری ضریبهای همبستگی در دو توزیع نرمال دومتغیرهی مستقل استفاده میکنیم. این روش را با دو روش دیگر (تبدیل z فیشر و متغیر آزمون تعمیمیافته) با استفاده از شبیهسازی مونته کارلویی مورد مقایسه قرار میدهیم. این مطالعه نشان میدهد که بر اساس اندازهی واقعی آزمونها و توانها، روش پیشنهادشده بهتر از روشهای دیگر است بهویژه هنگامی که اندازهی نمونهها برابر نیستند. کارایی روش پیشنهادشده را با یک مجموعه دادههای واقعی تشریح میکنیم.
Received: 11/30/2014 Approved: 5/30/2016
Abstract: In this paper, we use the method of modified signed log-likelihood ratio test for the problem of testing the equality of correlation coefficients in two independent bivariate normal distributions. We compare this method with two other approaches, Fisher's Z-transform and generalized test variable, using a Monte Carlo simulation. It indicates that the proposed method is better than the other approaches, in terms of the actual sizes and powers especially when the sample sizes are unequal. We illustrate performance of the proposed approach, using a real data set.
Bivariate normal distribution, actual size, correlation coefficient, maximum likelihood estimator, power.
توزیع نرمال دومتغیره, اندازههای واقعی, ضریبهای همبستگی, براوردگر ماکسیمم درستنمایی,توان.
147
162
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-154&slc_lang=en&sid=1
2016/07/42016/07/4
1395/4/14
2016/07/42016/07/4
1395/4/14
Reza
Kazemi
رضا
کاظمی
kazemi@fasau.ac.ir
003194753284600763
003194753284600763
No
Ali Akbar
Jafari
علیاکبر
جعفری
aajafari@yazd.ac.ir
003194753284600764
003194753284600764
Yes
fa
توزیع گامای تعمیمیافتهی آمیزهای مکان-مقیاس: براورد و تشخیص مورد مؤثر
The Location-Scale Mixture of Generalized Gamma Distribution: Estimation and Case Influence Diagnostics
یکی از مسائل مهم در نظریهی توزیعها، ساخت توزیعهایی است که برای برازش به دادههای چوله با دمهای سنگین، مناسب باشد. در این مقاله، یک توزیع چولهی کجخط را که با استفاده از توزیع گامای تعمیمیافته ساخته میشود، معرفی میکنیم. بعضی ویژگیهای این توزیع را بهدست آورده و برای براورد پارامترها از الگوریتم EM استفاده میکنیم. سرانجام برای نمایش قدرت مدل پیشنهادی، یک مطالعهی شبیهسازی و یک کاربرد از دادههای واقعی را ارایه میکنیم.
Received: 2/17/2015 Approved: 1/23/2016
One of the most interesting problems in distribution theory is constructing the distributions, which are appropriate for fitting skewed and heavy-tailed data sets. In this paper, we introduce a skew-slash distribution by using the scale mixture of the generalized gamma distribution. Some properties of this distribution are obtained. An EM-type algorithm is presented to estimate the parameters. Finally, we provide a simulation study and an application to real data to illustrate the modeling strength of the proposed distribution.
EM algorithm, generalized gamma distribution, location-scale mixture of distribution, skew-slash distribution.
الگوریتم EM, توزیع گامای تعمیمیافته, توزیع آمیزهای مکان-مقیاس, توزیع چولهی کجخط.
163
178
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-156&slc_lang=en&sid=1
2016/07/42016/07/42016/07/4
1395/4/14
2016/07/42016/07/42016/07/4
1395/4/14
Z.
Rahnamaei
زهره
رهنمایی
rahnamaei@iaufb.ac.ir
003194753284600765
003194753284600765
Yes
fa
پیشبینی دونمونهای بیزی در دادههای سانسورشدهی فزاینده از توزیع نمایی تعمیمیافته، تحت تابعهای زیان متقارن و نامتقارن
Bayesian Two-sample Prediction with Progressively Censored Data for Generalized Exponential Distribution Under Symmetric and Asymmetric Loss Functions
در بسیاری از پژوهشهای آماری پیشبینی نقش مهمی دارد. مثالهایی در این زمینه شامل سامانههای مهندسی، طرح آزمایشها و غیره میباشند. در این مقاله، بر اساس دادههای سانسورشدهی فزایندهی نوع دوم در الگوی نمایی تعمیمیافته، پیشگوگرهای بیزی نقطهای و بازهای تحت توزیعهای پیشین آگاهیبخش و ناآگاهیبخش مورد بررسی قرار میگیرند.
همچنین کرانهای پیشبینی و پیشگوگرهای نقطهای بیزی را تحت دو تابع زیان توان دوم خطا و خطی- نمایی، برای آمارهی مرتب در یک نمونهی سانسورشدهی فزایندهی نوع دوم آینده با طرح سانسور دلخواه، به دست میآوریم. نتیجهها مستخرج ممکن است در آزمایشهای طول عمر برای پیشبینی زمان کل آزمایش مورد استفاده قرار گیرند.
علاوه بر روش عددی، روش نمونهگیری گیبزی (بهعنوان روشی از مونته کارلوی زنجیر مارکوفی) برای ارزیابی کرانهای پیشبینی و پیشگوگرهای نقطهای بیزی تقریبی تحت تابعهای زیان توان دوم خطا و خطی- نمایی مورد استفاده قرار گرفته است.
عملکرد روشهای پیشبینی پیشنهادی از طریق یک مطالعهی شبیهسازی مونته کارلویی و یک مثال عددی (واقعی) برای هر روش نشان داده شده است.
Received: 4/12/2015 Approved: 2/6/2016
Statistical prediction analysis plays an important role in a wide range of fields. Examples include engineering systems, design of experiments, etc. In this paper, based on progressively Type-II right censored data, Bayesian two-sample point and interval predictors are developed under both informative and non-informative priors. By assuming a generalized exponential model, prediction bounds as well as Bayes point predictors are obtained under the squared error loss (SEL) and the Linear-Exponential (LINEX) loss functions for the order statistic in a future progressively Type-II censored sample with an arbitrary progressive censoring scheme. The derived results may be used for prediction of total time on test in lifetime experiments. %in reliability analyses In addition to numerical method, Gibbs sampling procedure (as Markov Chain Monte Carlo method) are used to assess approximate prediction bounds and Bayes point predictors under the SEL and LINEX loss functions. The performance of the proposed prediction procedures are also demonstrated via a Monte Carlo simulation study and an illustrative example, for each method.
Bayesian prediction, generalized exponential model, gibbs sampling, LINEX loss function, Markov Chain Monte Carlo, progressive type-II censoring scheme, two-sample prediction.
الگوی نمایی تعمیمیافته, پیشبینی بیزی, پیشبینی دونمونهای, تابع زیان خطی- نمایی, طرح سانسورشدهی فزایندهی نوع دوم, مونته کارلوی زنجیر مارکوفی, نمونهگیری گیبزی.
179
204
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-155&slc_lang=en&sid=1
2016/07/42016/07/42016/07/42016/07/4
1395/4/14
2016/07/42016/07/42016/07/42016/07/4
1395/4/14
S.
Ghafouri
سمیه
غفوری
so_gh806@stu-mail.um.ac.ir
003194753284600766
003194753284600766
No
A.
Habibi Rad
آرزو
حبیبی راد
ahabibi@um.ac.ir
003194753284600767
003194753284600767
Yes
M.
Doostparast
مهدی
دوستپرست
doustparast@um.ac.ir
003194753284600768
003194753284600768
No
fa
توزیع بتا-رایلی روی مشبکهای از اعداد صحیح
The Beta-Rayleigh Distribution on the Lattice of Integers
در این مقاله یک ساختار گسسته از توزیع بتا-رایلی مطالعه میگردد. توزیعهای رایلی گسسته و رایلی گسستهی تعمیمیافته حالتهای خاصی از توزیع گسستهی جدید معرفیشده میباشند. برخی از ویژگیهای توزیعی و گشتاورهای توزیع گسستهی جدید و همچنین آمارههای ترتیبی آن مورد بحث قرار خواهند گرفت. پس از بررسیهای لازم خواهیم دید که تابع نرخ خطر توزیع جدید میتواند افزایشی، وان حمامی و وان حمامی بالاپایین باشد. همچنین شیوهی براورد پارامترهای نامعلوم مدل جدید تشریح میشود. در نهایت توانایی مدل تحت بررسی در برازش دادهها، با استفاده از یک مجموعه دادههای واقعی، مورد ارزیابی قرار میگیرد.
Received: 9/14/2015 Approved: 5/28/2016
In this paper, a discrete analog of the beta-Rayleigh distribution is studied. This new distribution contains the generalized discrete Rayleigh and discrete Rayleigh distributions as special sub-models. Some distributional and moment properties of the new discrete distribution as well as its order statistics are discussed. We will see that the hazard rate function of the new model can be increasing, bathtub-shaped and upside-down bathtub. Estimation of the parameters is illustrated and, finally, the model with a real data set is examined.
Discrete Rayleigh distribution, generalized discrete Rayleigh distribution, exponentiated discrete Weibull distribution, hazard rate function.
توزیع رایلی گسسته, توزیع رایلی گسستهی تعمیمیافته, توزیع وایبول گسستهی نماییشده, تابع نرخ خطر.
205
224
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-159&slc_lang=en&sid=1
2016/07/42016/07/42016/07/42016/07/42016/07/4
1395/4/14
2016/07/42016/07/42016/07/42016/07/42016/07/4
1395/4/14
Vahid
Nekoukhou
وحید
نکوخو
v.nekoukhou@gmail.com
003194753284600769
003194753284600769
Yes
fa
آزماوردن انقباضی در توزیع نمایی بر پایهی رکوردها تحت زیان توان دوم لگخطای نامتقارن
Shrinkage Testimation in Exponential Distribution based on Records under Asymmetric Squared Log Error Loss
در مقالهی حاضر، آزماوردن انقباضی در توزیع نمایی برای پارامتر مقیاس $theta>0$ توزیع نمایی بر اساس دادههای رکوردی تحت تابع زیان توان دوم لگخطای نامتقارن مورد مطالعه قرار میگیرد. یک براوردگر مخاطرهی نااریب با کمترین مخاطره در ردهی براوردگرهای بهصورت $cT_m$ محاسبه میشود که در آن $T_m$ براورد ماکسیمم درستنمایی پارامتر $theta$ است. چند آزمون براوردگر انقباضی معرفی و مخاطرهی آنها محاسبه میشود. کارایی نسبی آزمون براوردگرهای انقباضی نسبت به براوردگر نااریب با کمترین مخاطره در ردهی براوردگرهای بهصورت $cT_m$ بهمنظور مقایسهی آنها تحت تابع زیان توان دوم لگخطا محاسبه میشود. همچنین یک مثال ارایه شده است.
Received: 1/9/2016 Approved: 6/1/2016
In the present paper, we study shrinkage testimation for the unknown scale parameter $theta>0$ of the exponential distribution based on record data under the asymmetric squared log error loss function. A minimum risk unbiased estimator within the class of the estimators of the form $cT_m$ is derived, where $T_m$ is the maximum likelihood estimate of $theta$. Some shrinkage testimators are proposed and their risks are computed. The relative efficiencies of the shrinkage testimators with respect to a minimum risk unbiased estimator of the form $cT_m$ under the squared log error loss function are calculated for the comparison purposes. An illustrative example is also presented.
Digamma function, exponential distribution, records, shrinkage testimators.
تابع دو گاما, توزیع نمایی, رکوردها, آزماوردن انقباضی.
225
238
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-158&slc_lang=en&sid=1
2016/07/42016/07/42016/07/42016/07/42016/07/42016/07/4
1395/4/14
2016/07/42016/07/42016/07/42016/07/42016/07/42016/07/4
1395/4/14
M.
Naghizadeh Qomi
مهران
نقیزاده قمی
m.naghizadeh@umz.ac.ir
003194753284600770
003194753284600770
Yes
L.
Barmoodeh
لیلا
برموده
k.mehraneh@chmail.ir
003194753284600771
003194753284600771
No