OTHERS_CITABLE
یک توزیع طول عمر جدید: توزیع سری توانی بتا وایبل اصلاحشده
در این مقاله، یک توزیع پارامتری جدید به نام توزیع سری توانی بتا وایبل اصلاحشده (BMWPS) را معرفی کردهایم. این توزیع با ترکیب شدن توزیعهای بتا وایبل اصلاحشده (BMW) و سریهای توانی بهدست میآید. توزیع BMWPS زیر مدلهای خاصی مانند توزیع بتا وایبل اصلاحشدهی پواسون (BMWP)، بتا وایبل اصلاحشدهی هندسی (BMWG) و بتا وایبل اصلاحشدهی لگاریتمی (BMWL) و غیره میشود. صورت بستهای برای توزیع تجمعی، چگالی، تابع بقاء، تابع نرخ خطر، و $r$امین گشتاور و گشتاورهای آمارههای مرتب این توزیع را ارائه کردهایم. یک رویکرد درستنمایی کامل - مبنا که امکان بهدست آوردن براورد بیشینهی درستنمایی پارامترهای توزیع BMWPS را فراهم میآورد، استفاده شده است. در آخر، کاربرد این توزیع برای دادهی آرست نیز ارائه شده است.
http://jsri.srtc.ac.ir/article-1-323-fa.pdf
2020-05-23
1
31
10.52547/jsri.16.1.1
طول عمر
توزیع بتا وایبل اصلاحشده
توزیع سری توانی
براورد بیشینهی درستنمایی
تابع خطر
ماتریس اطلاع فیشر.
A New Lifetime Distribution: The Beta Modified Weibull Power Series Distribution
In this paper, we propose a new parametric distribution which called as the Beta Modified Weibull Power Series (BMWPS) distribution. This distribution is obtained by compounding Beta Modified Weibull (BMW) and power series distributions. BMWPS distribution contains, as special sub-models, such as Beta Modified Weibull Poisson (BMWP) distribution, Beta Modified Weibull Geometric (BMWG) distribution, Beta Modified Weibull Logarithmic (BMWL)
distribution, among others. We obtain closed-form expressions for the cumulative distribution, density, survival function, failure rate function, the r-th raw moment and the moments of order statistics. A full likelihood-based approach that allows yielding maximum likelihood estimates of the BMWPS arameters is used. Finally, application to the Aarset data are given.
http://jsri.srtc.ac.ir/article-1-323-en.pdf
2020-05-23
1
31
10.52547/jsri.16.1.1
Lifetime
Beta Modified Weibull distribution
power series distribution
maximum Likelihood estimation
hazard function
Fisher's information matrix
Ehsan
Bahrami
Samani
1
Shahid Beheshti Universiti
AUTHOR
Narges
Yarmoghaddam
2
Shahid Beheshti University
AUTHOR
OTHERS_CITABLE
براوردگرهای جدید برای پارامترهای توزیع وایبول: مطالعهی مقایسهای جامع برای توزیع وایبول
توزیع وایبول کاربردهای فراوانی در مهندسی و علوم پایه دارد. مطلوبیت و سودمندی یک براوردگر تا حد فراوانی به حوزهی مطالعاتی کاربر بستگی دارد. در عمل، کاربران به دنبال براوردگر دلخواه برای پارامترها با تکیه بر کنترل اندازهی نمونه هستند. در این مقاله بر دو موضوع متمرکز میشویم. ابتدا یو-آمارهها برای پارامترهای توزیع وایبول پیشنهاد میدهیم. سازگاری و مجانبی بودن این براوردگر بهصورت نظری و شبیهسازی اثبات میشود. برای براورد پارامترهای توزیع وایبول روشهای مختلفی پیشنهاد شده است، این روشها عبارتاند از: روش کمترین توانهای دوم تعمیمیافته نوع 1 و نوع 2، روش -Lگشتاورها، روش گشتاورهای لگاریتمی، روش براورد بیشینهی درستنمایی، روش گشتاوری، روش صدکی، روش کمترین توانهای دوم موزون، و روش براورد بیشینهی درستنمایی موزون. در ادامه، بهدلیل فقدان یک مقایسهی جامع بین براوردگرهای پارامترهای توزیع وایبول، یک بررسی جامع مبتنی بر مقایسه بین روش پیشنهادی یو-آمارهها و روشهای ذکرشده در بالا انجام خواهد شد. به عقیدهی مؤلفین، این مطالعه جامعترین مطالعه مربوط به براوردگرهای پارامترهای توزیع وایبول است. براساس شبیهسازی معلوم میشود که براوردگرهای مختلف، برای حوزههای مختلف از پارامترها مورد استقبال قرار میگیرند. بنابراین، کاربر میتواند از بین براوردگرها، بهترین براوردگر را بر اساس شاخصهای نیکویی برازش انتخاب کند.
http://jsri.srtc.ac.ir/article-1-349-fa.pdf
2019-09-19
33
57
10.52547/jsri.16.1.33
کمترین توانهای دوم تعمیمیافته
-Lگشتاورها
گشتاور لگاریتمی
براورد بیشینهی درستنمایی
یو-آماره
توزیع وایبول
روش صدکی
کمترین توانهای دوم موزون
بیشینهی درستنمایی موزون.
New Estimators for Weibull Distribution Parameters: Comprehensive Comparative Study for Weibull Distribution
In this paper we focus on two topics. Firstly, we propose $U$-statistics for the Weibull distribution parameters. The consistency and asymptotically normality of the introduced $U$-statistics are proved theoretically and by simulations. Several of methods have been proposed for estimating the parameters of Weibull distribution in the literature. These methods include: the generalized least square type 1, the generalized least square type 2, the $L$-moments, the Logarithmic moments, the maximum likelihood estimation, the method of moments, the percentile method, the weighted least square, and weighted maximum likelihood estimation. Secondly, due to lack of a comprehensive comparison between the Weibull distribution parameters estimators, a comprehensive comparison study is made between our proposed $U$-statistics and above nine estimators. In our knowledge, this work is the most comprehensive comparison study for the estimators for the Weibull distribution. Based on simulations, it turns out that different estimators may appeal for different range of the parameters. So, practitioners are allowed to chose the best estimator that is suggested by the goodness-of-fit criteria.
http://jsri.srtc.ac.ir/article-1-349-en.pdf
2019-09-19
33
57
10.52547/jsri.16.1.33
Generalized least square
$L$-moment
logarithmic moment
maximum likelihood estimator
$U$-statistic
Weibull distribution
weighted least square
weighted maximum likelihood.
Sahar
sadani
s.sadani@gu.ac.ir
1
AUTHOR
Kamel
abdollahnezhad
k.abdollahnezhad@gu.ac.ir
2
AUTHOR
mahdi
teimouri
teimouri@aut.ac.ir
3
AUTHOR
Vahid
ranjbar
v.ranjbar@gu.ac.ir
4
AUTHOR
OTHERS_CITABLE
براوردگر بیشینهی درستنمایی اریبی تصحیحشدهی پارامتر توزیع سری لگاریتمی و مشخصهسازی آن
در این مقاله، ما براوردیابی پارامتر توزیع سری لگاریتمی را مورد مطالعه قرار میدهیم. یک روش براوردیابی شناختهشده، براورد بیشینهی درستنمایی است. این روش برای براورد پارامتر این توزیع در حالتی که اندازهی نمونهای کوچک باشد، اریب است. هدف از این مقاله کاهش اریبی و جذر میانگین توان دوم خطای براورد بیشینهی درستنمایی پارامتر این توزیع است. با بهکارگیری روش کاکس و اسنل، یک براورد اصلاحشدهی اریبی بیشینهی درستنمایی با صورت بسته برای پارامتر این توزیع بهدست آمده و براورد اصلاحشدهی اریبی بیشینهی درستنمایی با روش خودگردانی نیز مطالعه شده است. عملکرد روشهای براوردیابی پیشنهادی با شبیهسازی مونت کارلو مورد بررسی قرار گرفتهاند. نتیجههای عددی نشان میدهد در حالتی که اندازهی نمونهای کم باشد، براورد صورت بستهی پیشنهادی عملکرد بهتری از براورد خودگردانی و بیشینهی درستنمایی دارد. همچنین، چند روش مشخصهسازی جدید از این توزیع ارائه شده است. بهعنوان مثال، از مجموعهی دادههای واقعی برای کاربست روشهای پیشنهادی استفاده شده است.
http://jsri.srtc.ac.ir/article-1-350-fa.pdf
2019-09-19
59
72
10.52547/jsri.16.1.59
اریبی تصحیحی کاکس-اسنل
اریبی تصحیحی خودگردان
توزیع سری لگاریتمی
براورد بیشینهی درستنمایی
شبیهسازی مونت کارلو.
Bias-corrected Maximum-Likelihood Estimator for the Parameter of the Logarithmic Series Distribution and its Characterizations
In this article, we study parameter estimation of the logarithmic series distribution. A well-known method of estimation is the maximum likelihood estimate (MLE) and this method for this distribution resulted in a biased estimator for the small sample size datasets. The goal here is to reduce the bias and root mean square error of MLE of the unknown parameter. Employing the Cox and Snell method, a closed-form expression for the bias-reduction of the maximum likelihood estimator of the parameter is obtained. Moreover, the parametric Bootstrap bias correction of the maximum likelihood estimator is studied. The performance of the proposed estimators is investigated via Monte Carlo simulation studies. The numerical results show that the analytical bias-corrected estimator performs better than bootstrapped-based estimator and MLE for small sample sizes. Also, certain useful characterizations of this distribution are presented. An example via a real dataset is presented for the illustrative purposes.
http://jsri.srtc.ac.ir/article-1-350-en.pdf
2019-09-19
59
72
10.52547/jsri.16.1.59
Cox-Snell bias-correction
Bootstrap bias-correction
Logarithmic series distribution
Maximum likelihood estimator
Monte Carlo simulation.
Mahdi
Rasekhi
rasekhimahdi@gmail.com
1
AUTHOR
Gholamhossein
G. Hamedani
g.hamedani@mu.edu
2
AUTHOR
OTHERS_CITABLE
مقایسهی نمونهگیری مجموعهی رتبهای رکوردی و رکوردهای معمولی در پیشگویی آمارههای رکوردی آینده از توزیع نمایی
در برخی موقعیتها، استفاده از یک طرح مناسب نمونهگیری، که موجب کاهش هزینه و افزایش کارایی میشود بسیار مهم است. در این مطالعه، بر اساس طرح نمونهگیری مجموعهی رتبهای رکوردی، پیشگویی کلاسیک و پیشگویی بیزی دادههای رکوردی بالا در مدل نمایی، مورد بررسی قرار گرفته است. برای این منظور، با در نظر گرفتن نمونهی مجموعهی رتبهای رکوردی بهعنوان نمونهی آگاهیبخش، پیشگویی بیشینهی درستنمایی و پیشگویی بیزی تحت توابع زیان توان دوم خطا و لینکس، به دست آمده است. علاوه بر این، بر اساس طرح نمونهگیری مجموعهی رتبهای رکوردی، دو بازهی پیشگویی ارائه شده است. فواصل پیشگویی بر اساس احتمال پوشش و متوسط طول بازه مقایسه میشوند. نتیجههای به دست آمده از طرح نمونهگیری مجموعهی رتبهای رکوردی با نتایج حاصل از رکوردهای معمولی مقایسه میشوند. در انتها، برای ارزیابی جنبههای نظری به دست آمده، از مجموعهی دادههای واقعی مرتبط با میزان درجهی حرارت گرمای روزانه استفاده شده است. نتیجهها نشان میدهد در بیشتر شرایط، طرح نمونهگیری مجموعهی رتبهای رکوردی عملکرد بهتری دارد.
http://jsri.srtc.ac.ir/article-1-351-fa.pdf
2019-09-19
73
99
10.52547/jsri.16.1.73
پیشگویی بیزی
بازهی باور
پیشگویی بیشینهی درستنمایی
مقدارهای رکوردی
طرح نمونهگیری مجموعهی رتبهای رکوردی.
Comparison of Record Ranked Set Sampling and Ordinary Records in Prediction of Future Record Statistics from an Exponential Distribution
In some situations, considering a suitable sampling scheme, to reduce the cost and increase efficiency is crucial. In this study, based on a record ranked set sampling scheme, the likelihood and Bayesian prediction of upper record values from a future sequence are discussed in the exponential model. To this end, under an upper record ranked set sample (RRSS) as an informative sample, the maximum likelihood as well as the Bayes point predictors for future upper record values under squared error (SE) and linear-exponential (LINEX) loss functions are obtained. Furthermore, based on a RRSS scheme, two Bayesian prediction intervals are presented. Prediction intervals are compared in terms of coverage probability and expected length. The results of the RRSS scheme are compared with the one based on ordinary records. Finally, a real data set concerning the daily heat degree is used to evaluate the theoretical results obtained. The results show that، in most of the situations, the RRSS scheme performs better.
http://jsri.srtc.ac.ir/article-1-351-en.pdf
2019-09-19
73
99
10.52547/jsri.16.1.73
Bayesian prediction
maximum likelihood prediction
record values
record ranked set sampling scheme.
Ehsan
Golzade Gervi
e_golzade_g@yahoo.com
1
AUTHOR
Parviz
Nasiri
pnasiri45@yahoo.com
2
AUTHOR
Mahdi
Salehi
pnasiri45@yahoo.com
3
AUTHOR
OTHERS_CITABLE
نتیجههای جدید در مقایسهی تصادفی سامانههای سری و موازی با مؤلفههای وایبول اصلاحشدهی تعمیمیافتهی ناهمگن
در این کار، ما ترتیبهای تصادفی مختلف از کوچکترین و بزرگترین آمارهی ترتیبی از وایبول اصلاحشدهی تعمیمیافته ناهمگن مستقل را مطالعه میکنیم. ما همچنین مقایسهی تصادفی مقدارهای غایی از نمونههای GMW با مفصل ارشمیدسی را انجام میدهیم. نتیجههای حاصل از این مقاله آنهایی را که در بالاکریشنان و همکاران (۲۰۱۸) شناخته شده را تقویت میکند و تعمیم میدهد.
http://jsri.srtc.ac.ir/article-1-352-fa.pdf
2019-09-19
101
120
10.52547/jsri.16.1.101
بیشاندن
آمارههای ترتیبی
سامانههای سری و موازی
ترتیبهای تصادفی
توزیع وایبول اصلاحشدهی تعمیمیافته.
New Results on Stochastic Comparison of Series and Parallel Systems Comprising Heterogeneous Generalized Modified Weibull Components
In this work, we study various stochastic orderings of the smallest and largest order statistics arising from independent heterogeneous generalized modified Weibull (GMW) random variables. We also conduct stochastic comparison on the extreme order statistics from GMW samples with Archimedean copulas. The results established in this paper strengthen and generalize those known in the Balakrishnan et al. (2018).
http://jsri.srtc.ac.ir/article-1-352-en.pdf
2019-09-19
101
120
10.52547/jsri.16.1.101
Majorization
order statistics
series and parallel systems
stochastic orders
generalized modified Weibull distribution.
Esmaeil
Bashkar
e.bashkar@velayat.ac.ir
1
AUTHOR
OTHERS_CITABLE
تحلیل آمار فضایی برای شناسایی نقطههای داغ (Hot-Spot) با استفاده از خدمات تلفنی تصادفات
امروزه دادهها در حجم وسیعی تولید میشوند و از چندین منبع مختلف در خدمات شهری ممکن است متناسب با سرعت و دقت در ارائه خدمات اضطراری بسیاری از مشکلات ایجاد شود. از این رو، دسترسی به منابع و بانکهای اطلاعاتی مختلف، تحلیل الگوهای دادهکاوی و استخراج اطلاعات برای ارزیابی و تحلیل دادهها و ارائهی راه حل مناسب و بهبود خدمات برای شهروندان اجتنابناپذیر است. در این مقاله از آمار Getis-ord Gi و آمار I آنسلین محلی موران برای ارزیابی خوشهها برای افزونگی بیشتر استفاده شده است. از آمارهای مورون برای شناسایی و کشف وقایع و نشان دادن نحوهی رفتار حوادث از نظر الگوهای توزیع مکانی استفاده شد، با ایجاد نقشههای Hotspot، الگوی توزیع زیاد و کم حوادث تصادفی در هر سال به دست آمد و با بررسی نقشهی توزیع حوادث، مقایسهی سالانه و ارزیابی انجام شده است. نقشهی خوشهبندی نقاط مهم با آمار Gi نمایانگر ارتباط فضایی مثبت و منفی از وقایع است، در الگوی توزیع آنها، خوشههایی با ارزش زیاد به نام نقطههای داغ و خوشههای کمارزش به نام نقطهی سرد قرار دارند. بهطور مشابه، نقشههای خوشهای رویدادهای تصادفی هر 5 سال یکبار ارزیابی میشوند، و سپس برای هر دو سال شاخص Gi برای هر خوشه مقایسه و ارزیابی میکند. نتایج ارزیابی نشان میدهد الگوی توزیع پراکندگی مکانی در هر سال مشابه است و درصد تشابه به میانگین 93 درصد میرسد. سپس با ایجاد نقشههای خوشهای نقطههای داغ / سرد از حوادث 5 سالهی تصادفی با شاخص کلی موران نیز ایجاد و ارزیابی شد، بررسی نقشههای خوشهای دو ساله از حوادث تصادفی با شاخص موران نشان داد بیش از 96 درصد از شباهت رفتاری الگوی پراکندگی توزیع در هر دو سال وجود دارد. برای ارزیابی نهایی نقشه خوشه راستر، هر سال، آمار G General و Local Moran مورد بررسی قرار گرفت، با نرخ تشابه بیش از 95 درصد در سال، که نشان میدهد الگوی توزیع رویدادها در هر 5 سال یکسان است. تعداد حوادث تصادفی طی مدت 5 ساله کاهش یافته است، مناطق حادثهای شهر همچنان پابرجاست و با اطمینان متوسط 95 درصد میتوان گفت نقطههای داغ نشانگر چگالی بالای حوادث تصادفی در آن منطقه و بیشترین تصادفات در بزرگراهها و آزادراههای اصلی شهر و تقاطعهای آنها رخ داده است.
http://jsri.srtc.ac.ir/article-1-353-fa.pdf
2019-09-19
121
141
10.52547/jsri.16.1.121
خوشهبندی
همبستگی مکانی
رویداد تصادفی
آمار Getis-ord Gi
آمارAnselin Morans I.
Spatial Statistics Analysis to Identify Hot Spots Using Accidental Event Calls Services
Today, data is produced in large volumes, and from multiple sources, so this has caused problems in service. These problems can also affect the speed and accuracy of emergency services. Therefore, access to various resources and databases, information extraction to evaluate and analyze data and provide appropriate solutions for citizens is inevitable. In this paper evaluation of clusters is used for Getis-ord Gi* statistics and Anselin Local Moran's I statistics to identify the behavioral pattern of data. The data used in this article is a large free dataset of Spatio-temporal emergency call events from the United States. Accidental call events in five years are evaluated from this dataset. Moran statistics are used to identify and detect the events which have the pattern of spatial distribution. A high/low distribution pattern of accidental events was obtained through Hotspot maps, an annual comparison and evaluation are made by survey the distribution map of events. Clustering Hotspots Map with Gi* statistics represents the spatial correlation between positive and negative events. In these distribution patterns, clusters with high value are called Hot-spots, and low-value clusters are called Cold-spots. Similarly, clustering maps of accidental events get evaluated every five years; then the Gi indicator evaluates each cluster for every two years. A positive z-score and G-index indicate that the data have a positive spatial correlation; its results show that the distribution pattern is similar in each year with an average of 93 percent. Then, hot/cold spot clustering maps of 5-year accidental events are also created with the general Moran indicator. Moreover, a confidence level is created after calculating the p-value and z-score. In all 5-year data calculations, the Moran coefficient of accidental events is greater than the expected coefficient. Evaluation of biennial clustering maps with Moran index showed that there is more than 96percent behavioral similarity of dispersion pattern in both years. Raster clustering maps are also created to evaluate the clustering of Moran and Gi indicates. The similarity of raster clusters is more than 95percent per year. The results show that the pattern of accident distribution is the same in 5 years. Although the number of accidents has decreased during this period, the hotspots of accidents have not changed significantly in the city. Furthermore, hotspots indicate a high density of accidental events with 95percent confidence in the study area, and most accidents occur on the South Claiborne and New Orleans highways and at intersections with major streets.
http://jsri.srtc.ac.ir/article-1-353-en.pdf
2019-09-19
121
141
10.52547/jsri.16.1.121
Clustering
spatial autocorrelation
accidental event
Getis-ord Gi* statistics
Anselin Morans I statistics.
Samira
Ghashghaie
Samira.qashqaie.84@gmail.com
1
AUTHOR
Saeed
Behzadi
behzadi.saeed@gmail.com
2
AUTHOR
OTHERS_CITABLE
برخی نتیجههای جدید حفظ ترتیبهای تصادفی و ردههای سالخوردگی تحت کمینه و بیشینهی تصادفی
در این مقاله، برخی نتیجهها روی حفظ ترتیب تصادفی تابع مولد گشتاور و ترتیب تصادفی تبدیل لاپلاس تحت کمینه و بیشینه بهدست میآوریم. همچنین حفظ عکس این ترتیبهای تصادفی نیز مطالعه شده است. در ادامه، بسته بودن چند ردهی سالخوردگی جدید را تحت کمینه و بیشینهی تصادفی مورد بررسی قرار میدهیم.
http://jsri.srtc.ac.ir/article-1-354-fa.pdf
2019-09-19
143
163
10.52547/jsri.16.1.143
کمینه (بیشینه) تصادفی
ردهی توزیع طول عمر
سامانهی سری (موازی)
ترتیب تصادفی
قابلیت اعتماد.
Some New Results on the Preservation of Stochastic Orders and Aging Classes under Random Minima and Maxima
In this paper, we obtain some results on preservation properties of the moment-generating-function and Laplace transform orders under the taking of random minima and maxima. Also, the reversed preservation of these stochastic orders is studied. In following, we investigate the closure of some new certain aging classes under the random minima and maxima.
http://jsri.srtc.ac.ir/article-1-354-en.pdf
2019-09-19
143
163
10.52547/jsri.16.1.143
Random minima (maxima)
Life distribution class
Series (Parallel) system
Stochastic order
Reliability.
Ebrahim
Salehi
salehi@birjandut.ac.ir
1
AUTHOR
Ezzatollah
Gholami
ezzatgholami@birjandut.ac.ir
2
AUTHOR
OTHERS_CITABLE
براورد قابلیت اعتماد تنشمقاومت در توزیع کوماراسوامی بر اساس نمونهی سانسوریدهی فزاینده
براورد R=P(X<y)< span=""></y)<> ، در حالتی که Xو Y دو متغیر تصادفی مستقل از توزیع کوماراسوامی با پارامترهای مختلف هستند، در نمونههای سانسوریدهی فزایندهی نوع ۲، مطالعه شده است. ابتدا، با فرض اینکه، پارامتر شکل دوم هر دو توزیع یکسان است، براورد بیشینهی درستنمایی و بازههای اطمینان مختلف، بررسی شده است. علاوه بر این، در حالتی که پارامترهای شکل هر دو توزیع معلوم هستند، مقدارهای MLE، UMVUE، براورد بیز پارامتر R و بازههای اطمینان، به دست میآید. سرانجام، براوردهای بیشینهی درستنمایی و بیزی پارامتر R، در حالت کلی، حاصل شده است. مقایسههای عملکرد روشهای مختلف با استفاده از شبیهسازیهای مونت کارلو، انجام میشود. همچنین، دیدگاههای پیشنهادشده، در تحلیل قابلیت اعتماد یک مجموعه از دادههای تنشمقاومت واقعی شرح داده شده است.
http://jsri.srtc.ac.ir/article-1-355-fa.pdf
2019-09-19
165
209
10.52547/jsri.16.1.165
توزیع کوماراسوامی
سانسوریدهی فزایندهی نوع ۲
براورد بیز
بازهی اطمینان
شبیهسازی مونت کارلو
براورد بیشینهی درستنمایی.
Estimation of Reliability of Stress-strength for a Kumaraswamy Distribution based on Progressively Censored Sample
The estimation of R=P(X
http://jsri.srtc.ac.ir/article-1-355-en.pdf
2019-09-19
165
209
10.52547/jsri.16.1.165
Kumaraswamy distribution
Progressive Type-II censoring
Bayesian estimator
Confidence interval
Monte Carlo simulation
Maximum likelihood estimator.
Akram
kohansal
kohansal@sci.ikiu.ac.ir
1
AUTHOR
Ramin
Kazemi
r.kazemi@sci.ikiu.ac.ir
2
AUTHOR
OTHERS_CITABLE
توانایی شبکههای عصبی مصنوعی در یادگیری وابستگی دادههای فضایی
در روشهای متداول برای تحلیل دادههای فضایی، مانند کریگیدن، ساختار وابستگی دادهها براورد و مدلسازیشده و سپس در پیشگویی دادهها مورد استفاده قرار میگیرد. در مقابل، روش شبکهی عصبی که اساساً دادهمحور است (نه مدلمحور)، وابستگی دادهها را مدلسازی نمیکند. بنابراین پرسشی که پیش میآید این است که آیا شبکهی عصبی بهصورت غیر مستقیم از ساختار وابستگی فضایی در پیشگویی دادهها استفاده میکند؟ در این مقاله از طریق یک مطالعهی شبیهسازی به این پرسش پاسخ داده شده است. با در نظر گرفتن دو ساختار فضایی مختلف، چندین مجموعه دادههای فضایی مستقل و وابسته تولید شده و دقت پیشگویی شبکهی عصبی برای این مجموعه دادهها مقایسه شده است. نتیجهها نشان داد که خطای شبکهی عصبی در پیشگویی دادههای فضایی وابسته، بسیار کمتر از دادههای فضایی مستقل است. بنابراین به نظر میرسد که شبکه بتواند وابستگی فضایی بین مشاهدهها را بهصورت غیرمستقیم یاد بگیرد. همچنین دقت شبکه در پیشگویی یک مجموعه دادههای واقعی با دقت کریگیدن مورد بررسی قرار گفت. نتیجهها نشان داد که شبکهی عصبی میتواند بهعنوان یک روش جایگزین برای پیشگویی دادههای فضایی مورد استفاده قرار گیرد.
http://jsri.srtc.ac.ir/article-1-356-fa.pdf
2019-09-19
211
228
10.52547/jsri.16.1.211
شبکهی عصبی مصنوعی
وابستگی فضایی
پیشگویی فضایی.
The Ability of Artificial Neural Networks in Learning Dependency of Spatial Data
In conventional methods of spatial data analysis, such as Kriging, the dependency structure of data is estimated, modeled, and then used for data prediction. In contrast, the Artificial Neural Network (ANN) approach, which is a data-driven approach, does not model the data dependency structure. Therefore, an important question may arise here: Does ANN use, indirectly, spatial dependency structure in data prediction? In this paper, we want to answer this question through a simulation study. Different dependent and independent spatial data sets are simulated under two spatial structures, and the prediction accuracy of ANNs is compared for simulated data. It is shown that neural network error for predicting dependent spatial data is much less than that of independent spatial data. We conclude that the network can indirectly learn spatial dependence between the observations. We also applied the ANN method to an experimentally obtained data set and compared its prediction accuracy with Kriging as a common geostatistical method. The results showed that the neural network can be used as an alternative method for spatial data prediction.
http://jsri.srtc.ac.ir/article-1-356-en.pdf
2019-09-19
211
228
10.52547/jsri.16.1.211
Artificial Neural Networks
Spatial dependency
Spatial prediction.
Abbas
Tavasoli
Tavassoli.a@birjand.ac.ir
1
AUTHOR
Yadollah
Waghei
ywaghei@birjand.ac.ir
2
AUTHOR
Alireza
Nazemi
nazemi20042003@gmail.com
3
AUTHOR
OTHERS_CITABLE
در ویژگیهای اکستروپی گذشتهی بقای پویا
این مقاله در ارتباط با اکستروپی گذشتهی بقای پویا در توزیعهای طول عمر گذشته بهعنوان یک اندازهی اطلاع برای سامانه است که در آن صورت چندکی تابع اکستروپی در طول عمر گذشته را معرفی میکنیم و ویژگیهای مختلفی از اندازهی اطلاع بیان شده را بهدست میآوریم. برخی از مقایسههای تصادفی و کرانها نیز برای این اندازهی اطلاع معرفیشده، بهدست آمده است. همچنین عملکرد اکستروپی گذشته وابسته به زمان در سامانههای موازی و سری مطالعه شده است.
http://jsri.srtc.ac.ir/article-1-357-fa.pdf
2019-09-19
229
244
10.52547/jsri.16.1.229
اکستروپی تجمعی
دادههای ترتیبی
طول عمر گذشته
تابع چندکی
ترتیبهای تصادفی.
On Dynamic Survival Past Extropy Properties
This paper deals with the dynamic survival past extropy as a measure of uncertainty in the past lifetime distributions. We introduce a quantile version of the extropy function in past lifetime. Various properties of the proposed measure are obtained. Additionally, some stochastic comparisons and bounds are derived and the performance of the dynamic survival past extropy of parallel and series system is studied as well.
http://jsri.srtc.ac.ir/article-1-357-en.pdf
2019-09-19
229
244
10.52547/jsri.16.1.229
Cumulative extropy
order statistics
past lifetime
quantile function
stochastic orders.
Zohreh
Pakdaman
zpakdaman@hormozgan.ac.ir
1
AUTHOR
Majid
Hashempour
ma.hashempour@hormozgan.ac.ir
2
AUTHOR
OTHERS_CITABLE
نمودار کنترلی نمونهگیری مبنای تکراری برای توزیع پواسون موزون چندمتغیره با دو شاخص متفاوت
نمودارهای کنترلی با استفاده از نمونهگیری تکراری، در سالهای اخیر، از جذابیت زیادی برخوردار بوده است. در این مقاله یک نمودار کنترلی با استفاده از روش نمونهگیری تکراری برای توزیع پواسون چندمتغیره با دو شاخص متفاوت ارایه شده است. اثر این دو شاخص بر کارایی نمودار کنترلی، بر اساس معیار متوسط طول تسلسل، بررسی خواهد شد. برخلاف بیشتر تحقیقات در این زمینه، این مقاله مواردی را در نظر میگیرد که پارامترهای فرایند در شرایط خارج از کنترل، از اساس یک نسبت ثابت از پارامترهای فرایند در وضعیت کنترل نیستند. در این مقاله ما نشان خواهیم داد انتخاب آمارهی مناسب میتواند در عملکرد نمودار کنترلی و افزایش کارایی مناسب باشد.
http://jsri.srtc.ac.ir/article-1-358-fa.pdf
2019-09-19
245
254
10.52547/jsri.16.1.245
نمودار کنترلی چندمتغیرهی گسسته
متوسط طول تسلسل
توزیع پواسون چندمتغیره
نمونهگیری تکراری.
A Repetitive Sampling-based Control Chart for Multivariate Weighted Poisson Distribution with Two Different Indices
Control charts using repetitive group sampling have been an attractive topic in the last few years. This paper presents a control chart for multivariate weighed Poisson distribution by repetitive sampling with two different indexes. The effect of these two indexes on the performance of the control chart will be investigated based on the average sequence length criterion. Unlike almost all the research studies on this topic, this paper considers those cases in which the process parameters in the out-of-control situation are not necessarily a constant proportion of the process parameters in the control situation. In this paper, we will show that choosing appropriate statistics can be useful in the performance of the control chart and increasing its efficiency.
http://jsri.srtc.ac.ir/article-1-358-en.pdf
2019-09-19
245
254
10.52547/jsri.16.1.245
Multi-attribute process control
average run length
multivariate Poisson distribution
repetitive sampling.
Shohreh
Enami
enami1387@yahoo.com
1
AUTHOR
Hamzeh
Torabi
hamzeh.torabi@gmail.com ©
2
AUTHOR
OTHERS_CITABLE
استنباط درستنمایی در مدل رگرسیونی لوژستیکی اثرهای تصادفی با بدردهبندی پاسخ و متغیر کمکی در معرض خطای اندازهگیری
مدلهای آمیختهی خطی تعمیمیافته، روشهای متداولی بهمنظور تحلیل دادههای گروهبندیشده هستند. در بسیاری از مطالعههای طولی و بررسیهای اپیدمیولوژیکی همراه با ساختار سلسله مراتبی، اندازهگیریهای دقیق متغیرها، غیر ممکن و گاهی هزینهبر است و حتی موقعیتهایی وجود دارد که ممکن است متغیرهای پاسخ و پیشگو، هر دو در معرض خطای اندازهگیری باشند. در بسیاری از مواقع، عدم حساسیت نسبت به خطا، در متغیر پاسخ و یا متغیر پیشگو، منطقی بهنظر نمیرسد. بهطور طبیعی، هنگام مدلبندی پاسخها با کمک رگرسیون ناخطی و بهمنظور استنباط مناسب، وجود خطای ردهبندی برای پاسخهای دودویی و خطای اندازهگیری در پیشگوها را باید در تحلیل در نظر گرفت. در مقالهی حاضر، با استفاده از رویکرد مربعبندی گاوس-هرمیت چندمتغیری برای تقریب تابع درستنمایی، روشی برای تعدیل بدردهبندی تفکیکناپذیر در پاسخهای دودویی وابسته و همچنین خطای اندازهگیری کلاسیک در متغیرهای پیشگو ارائه خواهد شد. سپس مطالعهی شبیهسازی برای بررسی اثر تصحیح خطای اندازهگیری و بدردهبندی بر براورد پارامترهای رگرسیونی انجام خواهد شد. بهعلاوه، کاربست رویکرد مربعبندی گاوس-هرمیت چندمتغیری در مواجهه با خطاهای مورد اشاره هنگام تحلیل دادهی واقعی مرتبط با روشهای پیشگیری از بارداری زنان بنگلادشی با مدلهای چندسطحی نشان داده میشود.
http://jsri.srtc.ac.ir/article-1-359-fa.pdf
2019-09-19
255
286
10.52547/jsri.16.1.255
خطای اندازهگیری
پاسخ دودویی
روش مربعبندی گوس-هرمیت چندمتغیری
مدل رگرسیون لوژستیک با اثر تصادفی
بدردهبندی.
Likelihood Inference in the Random Effects Logistic Regression Model with Response Misclassification and Covariate Subject to Measurement Error
Generalized linear mixed models (GLMMs) are common methods for the analysis of clustered data. In many longitudinal and hierarchical epidemiological frameworks, accurate measurements of variables are invalid or expensive to be obtained and there might be situations that both the response and covariate variables are likely to be mismeasured. Insensitivity of errors in either covariate or response variable is, not always plausible. With nonlinear regression models for the outcome process, classification errors for binary responses and measurement error in covariates basically needs to be accounted for in order to make conclusive inferences. In this article, we provide an approach to simultaneously adjust for non-differential misclassification in the correlated binary response and classical measurement error in the covariates, using the multivariate Gauss-Hermite quadrature technique for the approximation of the likelihood function. Simulation studies are then conducted to inform the effects of correcting for measurement error and misclassification on the estimation of regression parameters. The application of the multivariate Gauss-Hermite quadrature method in the conjunction of measurement error and misclassification problems is further highlighted with real-world data based on a multilevel study of contraceptive methods used by women in Bangladesh.
http://jsri.srtc.ac.ir/article-1-359-en.pdf
2019-09-19
255
286
10.52547/jsri.16.1.255
Measurement Error
Binary Response
Multivariate Gauss-Hermite Quadrature
Random Effects Logistic Regression Model
Misclassification.
Maryam
Ahangari
m.ahangari@modares.ac.ir
1
AUTHOR
Mousa
golalizadeh
golalizadeh@modares.ac.ir
2
AUTHOR
Zahra
Rezaei Ghahroodi
z.rezaeigh@ut.ac.ir
3
AUTHOR