فرآیند ارنشتاین-النبک به دست آمده از فرآیند لِوی را مطالعه خواهیم کرد و از آن برای مدل سازی تلاطم تصادفی در مدل بارندورف-نیلسن و شفارد استفاده خواهیم نمود. در ادامه این مدل را به مدل کلی تر غیر ارنشتاین-النبک مانند زوال توانی و ارنشتاین-النبک کسری، تعمیم خواهیم داد. به طور خاص، تلاش خواهیم کرد که ساختار همبستگی مدل تلاطم تصادفی را منعطف تر نماییم به گونه ای که در برخی از این مدل ها بتوان به ساختار شبه-حافظه ی طولانی مدت برای فرآیند تلاطم رسید. در انتها مدل های تلاطم تصادفی زوال توانی و ارنشتاین-النبک کسری بر روی داده های قیمت شاخص سهام s&p برازش شده و نتایج مربوطه استخراج شده است.

در این پایان نامه قصد داریم به محاسبه ی ارزش در معرض خطر با بهره بردن از یک روش بازگشتی بر اساس مدل گام تصادفی و فرآیند دریکله بپردازیم. ارزش در معرض خطر ماکزیمم مقداری است که ممکن است از یک سبد مالی در یک دوره ی زمانی داده شده و در یک سطح اطمینان(احتمال) معین مفقود شود. در این روش مدل در یک چارچوب بیز به کمک خصوصیاتی که به صورت اولیه توسط فرگوسن شرح داده شده است، ساخته می شود که در آن داده های گذشته مستقیما در شبیه سازی تغییر و تحول قیمت دارایی استفاده می شود و در نتیجه از انتخاب یک مدل معین برای قیمت دارایی پرهیز می گردد. قابل ذکر است که این شبیه سازی بر پایه ی مدل و توسط یک روش بازگشتی با استفاده از شبیه سازی مونت کارلوی فرآیند دریکله انجام می پذیرد. بدین ترتیب که در ابتدا با استفاده از شواهد تجربی یک حدس اولیه برای توزیع بازدهی های سرمایه که برابر با لگاریتم نسبت قیمت های دارایی متوالی است و همین طور سطح اطمینانی که برای این توزیع پیشین قایلیم در نظر می گیریم. آن گاه داده های گذشته را برای به روز کردن این توزیع پیشین مورد اسستفاده قرار می دهیم و سرانجام با استفاده از توزیع پسین به دست آمده به شبیه سازی رفتار بازار آینده و محاسبه ی var می پردازیم. علاوه بر این تصدیق خواهیم کردتوزیع پسین تولید شده یک برآوردگر سازگار برای توزیع نامشخص بازدهی های سرمایه است، سپس با ارایه ی مثال هایی نقاط ضعف و قدرت مدل را بررسی می کنیم و پیش بینی های نظری حاصل از مدل را در یک عرصه ی عملی مورد آزمایش قرار می دهیم. برای این منظور از بازدهی های سرمایه ی شاخص سهام s&p500 استفاده می کنیم. همان طور که انتظار می رود مشاهده می کنیم این روش به دلیل برخورداری از فرآیند تجربی که بر پایه ی نمونه ی تصادفی از بازدهی های سرمایه بنا شده است معایب فرض نرمال در برآورد var را بر طرف می کند و جواب های حاصل از آن به مقدار واقعی نزدیک تر است. روش به کارگرفته شده در این پایان نامه نسبتا خودکار و مشابه با ابزارهای فراگیری ماشین است.

در علوم کاربردی و مهندسی شبیه سازی از توزیع های آماری از اهمیت وی‍‍ژه ای برخوردار است، اگرچه این ممکن است ساده نباشد. تاکنون روش های متفاوت شبیه سازی معرفی شده اند که از بین آن ها روش های مبتنی بر مونت کارلو زنجیر مارکفی از مهم ترین هستند. دو الگوریتم متروپولیس-هستینگس و گیبس پرکاربردترین الگوریتم ها هستند اما در مواردی با محدودیت هایی مواجه هستند. روش نمونه گیری برشی برای رفع برخی از محدودیت ها می تواند راهگشا باشد. در این رساله در فصل اول زنجیرهای مارکف و برخی از ویژگی های ان را بیان می نماییم و مقدمه ای بر آمار بیز داریم. در فصل دوم برخی روش های متداول mcmc و ویژگی های آن ها را بررسی می نماییم. در فصل سوم روش نمونه گیری برشی را مورد مطالعه قرار می دهیم و سپس نوع تعمیم یافته آن را که توسط نیل در سال 2003 معرفی شده است بیان می نماییم. در فصل چهارم نیز چند مثال کاربردی را با استفاده از روش نمونه گیر برشی ارایه می دهیم.

روش مونت کارلو زنجیر مارکوفی (mcmc) را برای استنباط بیزی فرآیندهای تلاطم تصادفی ارنشتاین – النبک غیر گاووسی گسترش می دهیم. همچنین برای فرآیند تلاطم تصادفی فرآیند لوی پشت زمینه ای، پواسن مرکب در نظر گرفته می شود. در این پایان نامه در ابتدا دو روش بر اساس الگوریتم های متروپلیس – هستینگس (m-h) و گیبس، که از بهترین الگوریتم های mcmc هستند، با عنوان روش های مرکزی و غیر مرکزی ارائه می شوند. آن گاه این روش ها بر روی داده های شاخص سهام s&p برازش داده شده و دو روش با هم مقایسه می گردند

ارزش در معرض خطر که به اختصار به صورت var نشان داده می شود به عنوان معیاری برای اندازه گیری خطر دارای جایگاه ویژه ای در تجزیه و تحلیل داده های مالی می باشد. یک موسسه مالی همواره در تلاش است تا معیاری را برای هر یک از متغیرهای بازار که در معرض خطر قرار می گیرد، به صورت روزانه محاسبه نماید. دو روش محاسبه ارزش در معرض خطر روش پارامتری و ناپارامتری می باشد. روش های پارامتری رایج برای var دارای این پیش فرض اساسی است که بازده دارایی به صورت نرمال توزیع شده باشد در حالی که توزیع تجری بازده دارای معمولا دم سنگین بوده و دارای خاصیت وابستگی دوربرد می باشند. همچنین نوسانات بازده دارایی در طول زمان ثابت نیستند بنابراین در این پایان نامه ارزش در معرض خطر با استفاده از روش پارامتری ، برازش مدل arma_garch به داده های مال می باشد که در آن پیشامدهایی که در دم توزیع قرار دارند به وسیله توزیع پایدار، نوفه گاوسی کسری، نوفه پایدار کسری و توزیع نرمال مدل بندی شده اند. برای محاسبه ارزش در معرض خطر با روش ناپارامتری تابع توزیع تجربی داده ها را برآورد می نماییم. سپس عملکرد var های محاسبه شده در این روش ها مورد مقایسه قرار می گیرد.

توزیع لگ نرمال به طور گسترده ای برای به دست آوردن توزیع متغیرهای تصادفی مثبت مورد استفاده قرار می گیرد. این توزیع دارای کاربردهای فراوانی از جمله در داده های مربوط به محیط های کار در معرض آلودگی و ‎‎ داده های زیستی ‎است. یک مسئله قابل توجه، استنباط آماری میانگین ‎ توزیع لگ نرمال است‎. در مواجهه با نمونه های بزرگ روش های ساده ای جهت به دست آوردن فاصله های اطمینان میانگین یک توزیع لگ نرمال توسط ژو و گائو ‎‎بررسی شده اند. در اکثر تحلیل هایی که در آن ها داده ها توزیع لگ نرمال دارند از نمونه های کوچک استفاده می شود که استنباط نمونه کوچک نامیده می شود. لند اولین محققی بود که در زمینه استنباط میانگین توزیع لگ نرمال به بررسی پرداخت. او روشی جهت به دست آوردن فاصله های اطمینان و نیز انجام آزمون های مربوط به میانگین توزیع لگ نرمال برای نمونه های کوچک ارائه داد. این روش بر مبنای توزیع های ‎شرطی‎ است و استفاده از آن ملزم به انجام محاسبات پیچیده است. همچنین این روش وابسته به جداول خاصی است که بر مبنای انحراف استاندارد نمونه مشاهده شده می باشند. اگر انحراف استاندارد نمونه مورد بررسی در جدول موجود نباشد، این روش غیر قابل استفاده خواهد شد‎. شاید یک راه حل، استفاده از ‎میانه ‎ به جای میانگین باشد. به علاوه در نظر گرفتن میانه توزیع لگ نرمال مشکل استنباط میانگین توزیع لگ نرمال را رفع می کند. اما با این حال کاربردهایی وجود دارد که مستلزم انجام استنباط بر روی میانگین توزیع لگ نرمال است. یکی از کاربردهای قابل توجه تحلیل داده های مربوط به محیط های کار در معرض آلودگی است. نیاز به استنباط آماری میانگین توزیع لگ نرمال و عدم ساده بودن روش های در دسترس برای این کار به وضوح در نوشته های راجع به مربوط به محیط های کار در معرض آلودگی به چشم می خورد. کاربردهای دیگری که نیاز به استنباط میانگین توزیع لگ نرمال دارند در ‎‎مورد بررسی قرار گرفته اند در استنباط مسائل آماری زمانی که یک پارامتر مزاحم حضور دارد، ‎p-مقدار ممکن است به آن پارامتر وابسته باشد و بنابراین نتیجه گیری بر مبنای آن معتبر نخواهد بود. در سال ‎1989 ویراهاندی و سویی به بررسی این مشکل پرداختند و با تعریف متغیرهای آزمون تعمیم یافته، ‎‎ ‎p-مقدار تعمیم یافته را به دست آوردند که به دلیل وابسته نبودن به پارامتر مزاحم از اعتبار بیشتری نسبت به ‎‎p-مقدار معمولی برخوردار بود. در همین راستا ویراهاندی در سال‎1993 ‎ به بررسی فاصله های اطمینان دقیق در مسائلی با وجود پارامتر مزاحم پرداخت و به وسیله ‎کمیت محوری‎ تعمیم یافته، فاصله های اطمینان تعمیم یافته را به دست آورد. وی این روش را برای استنباط آماری اختلاف میانگین های دو توزیع نمایی و اختلاف میانگین های دو توزیع نرمال به کار برد. همچنین وی در سال ‎1995 ‎ به بررسی مفصل این موضوع به همراه مثال های زیاد پرداخت. این کتاب در حقیقت اشاره به قابلیت اجرایی ‎‎p-مقدار تعمیم یافته برای بررسی کمیت هایی با حضور پارامتر مزاحم دارد. این پایان نامه بر اساس مقاله های ‏کریشنا مورتی و ‎توماس‎ متیو (2003) است که در آن آزمون ها و فاصله های اطمینان دقیق برای میانگین توزیع لگ نرمال با استفاده از ‎‎p-مقدارهای تعمیم یافته ‎ و فاصله های اطمینان تعمیم یافته به دست می آیند. همچنین با روشی مشابه نسبت (یا تفاوت) میانگین های دو توزیع لگ نرمال بررسی می شوند‎.

در سیستم های صف‏‏، تحلیل های آماری اهمیت ویژه ای دارند. وقتی یک سیستم صف شروع به کار می کند‏، برای اطمینان از بهینه بودن آن‏، باید بازبینی و کنترل عملکرد سیستم صورت پذیرد. این مسئله معمولا به تحلیل های آماری ‏مولفه های عملکرد مانند شدت ترافیک‎، متوسط حجم سیستم، متوسط طول صف‎، متوسط زمان انتظار‎ و متوسط زمان انتظار در صف‎ منتهی می شود. در این پایان نامه ‏‏ابتدا به کمک روش بوت استرپ یک فاصله اطمینان برای متوسط زمان انتظار در صف ‎‎‎‎m/g/1‎‏ می سازیم و به کمک شبیه سازی عملکرد پنج نوع فاصله اطمینان بوت استرپ (استاندارد‎‏‏، بوت استرپ-‏‎t‏،‎ صدکی‏، ‎‎‎bca‎‏‏، ‎(‎‎‎abc‎‏) را بررسی می کنیم. در میان این فاصله اطمینان ها روش بوت استرپ صدکی بهترین احتمال پوشش و کوتاهترین طول را دارد. پس از معرفی روش ‎‎‎‎feq‎‏ و تعمیم روش بوت استرپ به سایر مولفه های عملکرد‏، به کمک شبیه سازی کارایی این دو روش را در ساخت فاصله اطمینان برای چهار مولفه عملکرد ‎‎‎‎w‎‎‎‏‏،‎‎‎wq ‎‎‏، ‎‎ ‎‎‎l‎‎‎‏‏‎‏و‎‎‎ ‎‎‎‎l_q‎ ‎را ‎برر‎سی می کنیم‏ و‎ ‎نشان‎ می دهیم از نظر احتمال پوشش و متوسط طول روش ‎feq‎ عملکرد بهتری دارد. برای مولفه شدت ترافیک صف با استفاده از یک برآوردگر مجانبا نرمال فاصله اطمینان می سازیم و عملکرد این روش را با روش ‎feq‏ و بوت استرپ صدکی مقایسه می کنیم. روش ‎‎‎‎feq‎‎‏ در بین این روش ها بهترین کارایی را دارد تنها در حالتی که شدت ترافیک نزدیک به یک است عملکرد روش بوت استرپ صدکی بهتر است. در‎‎‎‎‎‎ پایان پس از معرفی یک برآوردگر مجانبا نرمال که با استفاده از تابع لاپلاس تجربی ساخته شده‏است یک فاصله اطمینان برای متوسط زمان انتظار در صف ‎‎‎‎g/m/1‎‎‏ می سازیم و به کمک شبیه سازی نشان می دهیم برای نمونه های با حجم بیش از صد این روش عملکرد خوبی دارد.

ارزش در معرض خطر، بیانگر حداکثر زیان مورد انتظار بر روی سبدسرمایه در طول افق زمانی معین در شرایط عادی بازار و در سطح اطمینان معین می باشد که با ‎ارزش در معرض خطر نرمال یا معمولی نمایش داده می شود. ارزش در معرض خطر در مدیریت سرمایه های سنتی و ریسک دارای کاربرد فراوان است و یکی از مهمترین مفاهیمی است که به طور گسترده در مدیریت ریسک توسط بانکها و موسسات مالی مورد استفاده ‏قرار می گیرد. از نظر یک سرمایه گذار ‎ارزش در معرض خطرِ‎ مناسب باید چگونگی موقعیت های پوشش ریسک سبد سرمایه اندازه گیری شده برای حمایت در برابر ریسک پائین را نشان دهد. بدلیل چولگی و دم سنگینی توزیع بازدهی مالی روزانه ‎ارزش در معرض خطر‎ معمولی، زمانی که آن را برای پوشش ریسک سرمایه به کار می بریم، دچار مشکل می شود. مدل محاسبه ی ‎ارزش در معرض خطر‎ کورنیش-فیشر ‎(cfvar)‎ برای بازدهی های غیر نرمال قابل استفاده است. توضیح آن که، ‎ارزش در معرض خطر‎ معمولی به معنای آن ارزش در معرض خطری است که با توجه به فرض نرمال بودن بازدهی نرمال محاسبه می شود. در عین حال با در نظر گرفتن نوسان شرطی که با زمان تغییر می کند، مدل دیگری به نام ‎ارزش در معرض خطر‎ نوع garch‎ یک ابزار اندازه گیری بهتر برای محاسبه ی ریسک تجارت های استراتژیک است. این پایان نامه به بررسی خواص نوسان شرطی بازدهی های متداول مدیریت روزانه و مقایسه پیش بینی های خارج از نمونه از روش های مختلف ارزش در معرض خطر می پردازد. بررسی نوسان شرطی انواع پوشش ریسک سرمایه و مقایسه بازدهی ها اختلافات مهمی درباره پایداری ، بازگشت به میانگین و عدم تقارن را نشان می دهد . بازدهی های پوشش ریسک سرمایه چولگی منفی و کشیدگی فزاینده معنی داری را نمایش می دهند که در این حالت نمی توان از ارزش در معرض خطر‎ معمولی استفاده کرد. ‎ارزش در معرض خطر‎ نوع ‎garch‎ ، شامل نوسان شرطی تغییرپذیر با زمان می باشد و برای ترسیم فرآیند واقعی بازدهی موثرتر است . در این پایان از ارزش در معرض خطر نوع ‎garch‎ با مدل سازی و پیش بینی نوسان معمولی استفاده می کنیم. با استفاده از ‎garch‎ و ‎egarch‎ نوسان تغییرپذیر با زمان را در ارزش در معرض خطر پیاده می کنیم و چولگی و کشیدگی آن را نیز کنترل می کنیم. پیش بینی نوسان نه تنها در مدیریت ریسک و زمان بندی بازار برای پوشش ریسک سرمایه بلکه در زمینه ی سبدهای سرمایه متنوع شامل پوشش ریسک سرمایه نیز حائز اهمیت است. آگاهی از نوسان های آتی به مدیران سبد سرمایه اجازه می دهد تا ریسک موقتی را کنترل نمایند. به طور مثال فروش یک دارایی یا سبد سرمایه قبل از یک افزایش چشمگیر در نوسان ها اتفاق می افتد‎. علاوه بر این ، با استفاده از اطلاعات مربوط به فرآیند نوسان کلی و توسعه فرآیند به طور خاص ، مقدار ریسک بازار تعیین می شود. با اطلاعات ما، هیچ مطالعه ی تجربی وجود ندارد که پیش بینی های نوع ‎garch‎ را در چارچوب ‎var‎ معمولی با محاسبه همزمان نوسان تغییر پذیر با زمان، همبستگی دنباله ای ، چولگی و کشیدگی در بازدهی پوشش ریسک سرمایه معرفی کند. علاوه بر این ، با استفاده از اطلاعات مربوط به فرآیند نوسان کلی و توسعه فرآیند به طور خاص ، مقدار ریسک بازار تعیین می شود. در این پایان نامه برای تجزیه و تحلیل تجربی نوسانات تصادفی از داده های روزانه شاخص سرمایه های پوششی ‎s&p 500‎ که با ‎sphg‎ نمایش داده می شود استفاده می کنیم. در این فصل به بررسی وجود اثرات ‎arch‎ می پردازیم. سپس مدل های ‎garch‎ و egarch را بر داده ها برازش می دهیم. و در نهایت به مقایسه سه نوع ارزش در معرض خط‏ر معمولی، ‎cf‎ و ‎garch‎ می پردازیم.

نظر به افزایش‎‎ و تنوع خطرهایی که واحدهای اقتصادی با آن رو به رو هستند، امروزه ابزارهای مشتقه ی مالی اهمیت بسیاری یافته و حجم معامله گری این مشتقات به مقدار قابل توجهی افزایش یافته است. هم چنین، در طول دهه های اخیر تکنیک های محاسباتی و ریاضی خیره کننده ای برای تحلیل بازارهای مالی گسترش یافته اند. اکنون به سطحی از نوآوری های مالی رسیده ایم که ضروری است همه ی متخصصین علوم مالی از چگونگی کارکرد این بازارها، نحوه ی استفاده از آن ها و هم چنین سازوکار تعیین قیمت در این بازارها آگاه باشند. در این پایان نامه به مسأله ی ارزش گذاری نوعی از این ابزار‏، یعنی اختیار معاملات آمریکایی می پردا‏زیم. به این منظور روش های مونت کارلو را مورد بررسی قرار می دهیم که ثابت شده است برای مثال با ابعاد بالا عملکرد بهتری نسبت به سایر روش های عددی دارند. در این جا به بیان نقاط قوت و ضعف بعضی از روش هایی که تا کنون معرفی شده است می پردازیم و از میان آن ها‏، برای ارزش گذاری اختیار معاملات آمریکایی‏، الگوریتم دسته بندی را تشریح و استفاده می کنیم. هم چنین به منظور کاهش خطای موجود در روش مونت کارلو از تکنیک کاهش واریانس استفاده می کنیم‏ که تأثیر زیادی بر کیفیت جواب های ارائه شده دارد. شبکه های عصبی تکنیک دیگری است که با تقلید از عملکرد سلول های عصبی بیولوژیکی‏، در علوم مختلف کاربرد دارد. در این جا از این تکنیک به منظور ارزش گذاری اختیار معاملات آمریکایی استفاده می کنیم. مقایسه نتایج نشان می دهد که روش ها شبکه های عصبی در این زمینه عملکرد بسیار بهتری دارند.

تکنیک برآورد ناحیه کوچک به طور عمده متکی بر مدل های آمیخته با اثرهای تصادفی ناحیه ای می باشد. بر این مینی با استفاده از روش های متداول در برآورد پارامترها در مدل های آمیخته به دنبال یک برآورد برای ناحیه کوچک هستیم و در این میان به معرفی بهترین پیش بینی کننده ی خطی نااریب blup برای پارامتر مورد نظر ناحیه کوچک می پردازیم. اما در مقابل این رویکرد، رویکرد دیگری مبتنی بر توابع حساسیت و رگرسیون m- چندک معرفی شده است. این رویکرد نیازمند مفروضات متعارفی چون نرمال بودن و مسائل مربوط به توصیفات اثرهای تصادفی نمی باشد. از آن جایی که این مفروضات و همچنین وجود نقاط پرت مشکلاتی در برآورد ایجاد می کنند و نتیجتاً برآوردی نا متناسب )نااریب و یاناکارا) به دست می آید این رویکرد را به عنوان هدف اصلی این پایان نامه دنبال می کنیم. در این پایان نامه سعی بر آن است که علاوه بر معرفی کاملی از مدل هایی با اثرهای آمیخته و نحوه ی برآورد ناحیه کوچک با استفاده از این مدل ها به رویکرد نیرومند برای برآورد ناحیه کوچک مبتنی بر دو روش استفاده از توابع تاثیر کراندر و رگرسیون m- چندک بپردازیم

یکی از مهم ترین دغدغه های مهم زندگی اجتماعی، تامین امنیت برای احاد افراد جامعه است. در این میان تامین امنیت وصیانت نوجوانان به دلیل شرایط خاص مبنی و تأثیر پذیری از عوامل مختلف و با توجه به نقش آینده سازی آن ها از اهمیت بالاتری برخوردار است. مسئله مهم پژوهش حاضر این است علیرغم نگرانی و اقدامات خانواده ها، مدارس، جامعه و پلیس، بزهکاری نوجوانان و جرایم علیه ایشان قابل توجه است. این امر بیانگر وجود نوعی خلأ در نظام آموزش و پرورش بوده و برای آنکه گامی در مسیر حل آن برداشته شود، طراحی و اعتبار بخشی الگوی برنامه درسی فعالیت های فوق برنامه برای دانش آموزان دبیرستانی با تأکید بر آموزش های همگانی نیروی انتظامی به عنوان هدف کلی تحقیق قرار گرفت. در مسیر انجام پژوهش، از روش تحقیق اکتشافی آمیخته بهره گیری شد. در بخش کیفی، از مصاحبه نیمه هدایت شده و در بخش کمی، از پرسشنامه استفاده شد و الگوی بدست آمده مورد اعتبار بخشی قرار گرفت. جامعه آماری در بخش کیفی، دبیرستان های پسرانه و دخترانه شهر تهران،برای مسئولان آموزش و پرورش و در بخش کیفی، متخصصان برنامه درسی و مسئولان و کارشناسان آموزش همگانی ناجا بوده اند. حجم نمونه در بخش کیفی 73 نفر در 8 دبیرستان پسرانه و دخترانه (دولتی و غیر انتفاعی) شامل 7 مدیر، 8 معاون، 5 مسئول فوق برنامه ، 9 معلم، 34 دانش آموز و 5 نفر از مدیران آموزش و پرورش و در بخش کمی شامل 51 نفر مرکب از 35 نفر متخصص برنامه درسی و 6 نفر از مسئولان و کارشناسان آموزش همگانی ناجا بودند. روش نمونه گیری در بخش کیفی، روش هدفمند و روش گلوله برفی و در بخش کمی روش هدفمند و در دسترس بوده است.در موردروایی و پایایی ابزارهای پژوهش از روایی محتوایی و برای پایابی پرسشنامه از روش آلفای کرونباخ بهره گیری شد. برای تجزیه و تحلیل داده ها در بخش کیفی از روش های کیفی تحلیل داده ها، شرح تحلیلی و ادراکی بر داده های کیفی و تحلیل محتوا و در بخش کمی اطز روش های آماری توصیفی و استنباطی شاملآزمون استنباطی، ناپارامتریک خی دو و فریدمن استفاده شد. بر اساس نتایج تحقیق، الگوی برنامه درسی فعالیت های فوق برنامه برای دانش آموزان دبیرستانی با تاکید بر آموزش های همگانی ناجا طراحی شد به نحوی که ویژگی های هر یک از عناصر 9 گانه الگو متناسب با شرایط دانش آموزان دبیرستانی، آسیب های اجتماعی مبتلا به و به نظرات خبرگان و کارشناسان شناسایی شد و این ویژگی ها به ترتیب اهمیت قرار گرفت. با استفاده از این الگو، آموزش و پرورش و نیروی انتظامی می تواند متناسب با نتایج تحقیق و استفاده از ظرفیت فوق برنامه، آموزش های همگانی را برای دانش آموزان برنامه ریزی و به مرحله اجرا در آورند.

تحقیق حاضر با هدف بررسی عوامل موثر در افزایش انگیزه تحصیلی با تاکید بر عناصر برنامه درسی ، انجام گرفته است. این تحقیق از نظر هدف، یک تحقیق کاربردی و از نظر روش گردآوری داده ها از نوع پیمایشی و از نظر روش تحلیل داده ها از نوع توصیفی می باشد. پس از مطالعه پیشینه موضوع و بررسی الگوهای موجود در مورد برنامه درسی و انگیزه تحصیلی و شکل گیری چهارچوب نظری، متغیرهای مهم تحقیق شناسایی و مدل مفهومی و سوالات تحقیق مشخص گردید. برای اندازه گیری متغیرها از پرسشنامه محقق ساخته استفاده گردید؛ جامعه آماری مورد مطالعه در این تحقیق شامل 400 نفراز دانش آموزان پسر دبیرستانی در رشته علوم انسانی شهرستان فسا بود، که با استفاده از روش نمونه گیری تصادفی ساده انتخاب گردید. و حجم نمونه آماری شامل 196 نفر بود، که جهت محاسبه حجم نمونه آماری از فرمول نمونه گیری از جوامع محدود کوکران استفاده گردید. نتیجه آزمون سوالات تحقیق به کمک آمار توصیفی و آزمون زوجی دو جمله ای نشان دهنده تاثیر معنادار عناصر برنامه ریزی درسی بر انگیزه تحصیلی دانش آموزان می باشد. در نهایت بر اساس نتایج به دست آمده پیشنهادات و راه کارهایی به اداره آموزش و پرورش شهرستان فسا و محققان بعدی ارائه گردید. واژگان کلیدی:برنامه ریزی درسی، انگیزه تحصیلی، اداره آموزش و پرورش شهرستان فسا

در بسیاری از وضعیت های واقعی جامعه مورد مطالعه از نظر دارا بودن ویژگی خاص به دو گروه تقسیم می شود به طور ی که در گروه اول تنها تعداد کمی از واحدهای دارای صفت مورد نظر قرار می گیرند و بیشتر عناصر جامعه که فاقد این ویژگی می باشند در گروه دوم جای می گیرند. به عبارت دیگر در این جوامع صفت تحت بررسی بسار کمیاب است و به این گروه از عناصر گروه کمیاب ها یا نادرها اطلاق می شود. برای مثال می توان به جامعه ای اشاره کرد که در آن متغیر مورد بررسی برای اکثر عناصر صفر می باشد تنها یک زیر گروه کوچک از واحدها مقادیری متفاوت از صفر را اختیار می کنند. در این شرایط برآورد پارامتر های جامعه (میانگین، مجموع کل واحدها..) براساس طرح نمونه گیری کلاسیک با حجم نمونه ای ثابت چندان معقول به نظر می رسد زیرا همواره این بیم وجود دارد که در نمونه ی اخذ شده به روش کلاسیک با حجم ثابت واحدی با صفت کمیاب وجود نداشته باشد و در نتیجه برآورد نادرستی از پارامترها به دست آید. در چنین شرایطی از طرح نمونه گیری معکوس استفاده می شود. در این طرح فرآیند نمونه گیری تامشاهدات تعداد مشخصی از واحدهای دارای صفت کمیاب در نمونه ادامه می یابد. بنابراین حجم نمونه یک متغیر تصادفی است که مقدارش بعد از اتمام عملیات نمونه گیری بهدست خواهد آمد. نمونه گیری معکوس که گاهی ان را نمونه گیری دنباله ای نیز می نمامند در حالت ها بدون جایگذاری و یا جایگذاری و همچنین احتمال انتخاب برابر ونابرابر واحدهای جامعه مورد بررسی قرار گرفته است. پژوهشگران نشان داده اند که در جوامع مورد بحث استفاده از طرح نمونه گیری معکوش از کارایی بیشتری نسبت به طرح های کلاسیک با حجم ثابت برخوردار است.