توزیع دوجمله ای از توزیع های بسیار کاربردی است. یکی از مهمترین موضوعات در مورد این توزیع برآورد پارامتر n می باشد که تاکنون براساس روش های گشتاوری و ماکزیمم درستنمایی بوده است. استفاده از برآوردگرهای دیگر نادیده گرفته شده، هر چند در عمل، برای تعیین اندازه نمونه بیشتر با نگرش بیزی سروکار داریم. چنین نگرشی به محقق این امکان را می دهد که از اطلاعات پیشین آزمایش، پارامترهای مجهول را برآورد کند. در این پایان نامه هدف یافتن برآورد قابل قبول پارامتر n براساس تابع زیان بیزی است. بدین منظور با معلوم فرض نمودن پارامتر p و نیز با اختصاص توزیع های پیشین برای n از بین توزیع های معروف گسسته و استفاده از توابع زیانی چون تابع زیان مربع خطا و تابع زیان مربع خطای مقیاسی، اقدام به برآورد n خواهیم نمود.

وان اسک در سال 1987 مفهوم توزیع یکنواخت را در یک فاصله تصادفی که دو سر آن متغیرهای تصادفی مستقل می باشند معرفی کرد.در واقع وان اسک یک متغیر تصادفی zبه طور یکنواخت توزیع شده بین دو متغیر تصادفی مستقل x,yدر نظر گرفت و نشان داد که توزیع کشی و آرک سینوس در این ساختار می توانند با استفاده از روش خاصی مشخصه سازی شوند.مدتی بعد جانسن و کاتز این مفهوم را با جزئیات بیشتری بررسی کردند.در این پایان نامه فرض می کنیم که x,yمتغیرهای تصادفی مستقل هستندو zیک متغیر تصادفی نه لزوما به طور یکنواخت توزیع شده بین x,yاست. ما مطالعات وان اسک را تعمیم می دهیم و سپس توزیع zرا مطالعه و نشان می دهیم که توزیع های آرک سینوس و کشی وبتا و نیم دایره و نیم دایره تعمیم یافته در این ساختار می توانند با استفاده از روش خاصی مشخصه سازی شوند.

در بسیاری از مدل های گراف های تصادفی، بیشتر یال ها مورد توجه بودند و رأس ها نقش چندانی نداشتند. در نظریه ی گراف تصادفی اردوش-رینی، ما ‎n‎ رأس داریم و با پرتاب سکه ای حضور یال ها را مشخص می کنیم. حضور هر یال مستقل از یال های دیگر است. چنین مدلی وقتی که روابط بین اشیاء مستقل از دیگری است، مفید واقع می شود. در این پایان نامه، مدلی از گراف های تصادفی را مورد بررسی قرار می دهیم که در آن رأس ها مورد توجه هستند. گراف های اشتراک تصادفی مدلی از گراف های تصادفی هستند که در آن به هر رأس مستقلاً یک زیر مجموعه از مجموعه ای از اشیاء تخصیص داده می شود و دو رأس مجاور هستند اگر زیر مجموعه های تخصیص داده شده به آن ها مجزا نباشند. در این پایان نامه، ما می خواهیم توزیع درجه ی یک رأس را برای گراف های اشتراک تصادفی به دست آوریم.

جامعه و سازمانی می تواند در مسیر توسعه، حرکت رو به جلو و با شتابی داشته باشد که با ایجاد بستری های لازم، منابع سازمانی خود را به دانش و مهارت کارآفرینی مولد، تجهیز کند .از کارآفرینی می توان به عنوان یکی از مهم ترین موتورهای رشد و توسعه یاد کرد. طبیعی است، بارزترین چیزی که می تواند ما را به این مقصود برساند دانشگاه ها و مراکز کارآفرینی با ویژگی های شخصیتی افراد است. در این مقاله میزان کارآفرینی سازمانی در دانشگاه های دولتی و آزاد اسلامی تبریز و رابطه آن با ویژگی های شخصیتی کارکنان دانشگاه دولتی و آزاد اسلامی تبریز مورد بررسی قرار گرفت. جامعه آماری این تحقیق شامل کارمندان و مدیران دانشگاه دولتی و آزاد تبریز بود. حجم نمونه با استفاده از فرمول کوکران تعیین گردید، در تحقیق حاضر حجم نمونه در دانشگاه تبریز برابر با 125 نفر وحجم نمونه در دانشگاه آزاد اسلامی تبریز برابر با100 نفر بود و از روش نمونه گیری خوشه ای استفاده گردید. برای جمع آوری داده ها از پرسشنامه و اسناد و مدارک استفاده گردید. این تحقیق به روش توصیفی- همبستگی انجام شد. در این پژوهش جهت تجزبه وتحلیل داده ها از آمارتوصیفی( شامل فراوانی، میانگین ،انحراف استاندارد،واریانس) استفاده گردید. برای آزمون فرضیات از آمار استنباطی آزمون اسمیرنف کولموگروف ، همبستگی پیرسون، تفاوت بین میانگین ها (t-test) و رگرسیون چند گانه (مرکب) با استفاده از نرم افزار18 spss استفاده شد. یافته های نتایج تجزیه و تحلیل داده ها نشان دادکه کارآفرینی سازمانی در دانشگاه دولتی و آزاد اسلامی تبریز بالاتر از حدمتوسط است. ویژگی های شخصیتی در دانشگاه دولتی پایین تر از حد متوسط و ویژگی های شخصیتی در دانشگاه آزاد بالاتر ازحد متوسط است، بین کارآفرینی سازمانی و و ویژگی های شخصیتی در دانشگاه دولتی و آزاد اسلامی تبریز رابطه معنادار و مستقیم وجود دارد، بین نمره های کارآفرینی سازمانی دانشگاه دولتی و آزاد اسلامی تبریز تفاوت معنی داری وجود نداشت، بین نمره های ویژگی شخصیتی کارکنان در دانشگاه دولتی و آزاد اسلامی تبریز تفاوت معنی داری وجود داشت. از بین متغیرهای ویژگی های شخصیتی مشخص شد که کنترل درونی با بتای 294/0و توفیق طلبی با بتای 154/0 بیشترین سهم را در پیش بینی نمره های کارآفرینی سازمانی دانشگاه دولتی تبریز داشتند، از بین متغیرهای ویژگیهای شخصیتی مشخص شد که ریسک پذیری با بتای 241/0و توفیق طلبی با بتای 142/0 بیشترین سهم را در پیش بینی نمره های کارآفرینی سازمانی دانشگاه آزاد اسلامی تبریز داشتند.

وان اسک در سال 1987 مفهوم توزیع یکنواخت را در یک فاصله تصادفی که دو سر آن متغیرهای تصادفی مستقل می باشند، معرفی کرد. در واقع وان اسک یک متغیر تصادفی z به طور یکنواخت توزیع شده بین دو متغیر تصادفی مستقل x1 و x2 در نظر گرفت و نشان داد که توزیع کوشی و آرک سینوس در این ساختار می توانند با استفاده از روش خاصی مشخصه سازی شوند. مدتی بعد جانسن و کاتز این مفهوم را با جزئیات بیشتری بررسی کردند. در این پایان نامه فرض می کنیم که x1 و x2 متغیرهای تصادفی مستقل هستند و z یک متغیر تصادفی نه لزوما به طور یکنواخت توزیع شده بین x1 و x2 است. ما مطالعات وان اسک را تعمیم می دهیم و سپس توزیع z را مطالعه کرده و نشان می دهیم که توزیع های آرک سینوس، کوشی، بتا، نیم دایره و نیم دایره تعمیم یافته در این ساختار می توانند با استفاده از روش تبدیل اشتیلیس مشخصه سازی شوند.

وان اسک در سال 1987 مفهوم توزیع یکنواخت را روی یک فاصله تصادفی که دو سر آن ‎‎ ‎متغیر‎‎‎ های تصادفی می ‎‎باشد‏، معرفی کرد. یعنی او متغیر تصادفی آمیخته ‎‎‎‎z‎‎ را با دو نمونه تصادفی‏، یکنواخت روی‎‎‎‎min(x_1,x_2) , max(x_1,x_2)‎‎ تعریف کرد‎.‎ در واقع هدف وان اسک مطاله توزیع ‎‎‎‎z‎‎ بود هنگامی که توزیع ‎های ‎‎‎‎x_‎1‎,x_2‎‎ معلوم بودند. بعدا جانسن و کاتز در سال 1990 نشان دادند که متغیر تصادفی‎‎‎‎z‎‎ تعریف شده توسط وان اسک در واقع یک میانگین وزنی تصادفی از ‎ ‎‎‎x_1,x_2‎‎می‎ ‎‎‎‎باشد و ‎‎‎‎‎‎z=x_1+w(x_2- x_1)‎‎ ‎یک معدل وزنی از ‎‎‎‎x_1,x_2‎‎ می‎ ‎‎باشد که در آن ‎‎‎‎w‎‎‎ دارای توزیع یکنواخت‎$ است. هدف اصلی در این پایان ‎‎نامه تعمیم کار وان اسک به روش مستقیم ‎‎‎می‎ ‎‎‎باشد که در فصل سوم و ‎چهارم‎ آن را به تفصیل بررسی خواهیم کرد.

در فصل اول به بیان برخی مفاهیم مقدماتی که به فهم بیش تر موضوع کمک می کند می پردازیم. در فصل دوم میانگین وزنی تصادفی را تعریف و برخی ویژگی های آماری آن مانند میانگین، واریانس و گشتاور های مراتب بالاتر را به دست می آوریم. در سراسر فصل سوم به بیان نتایجی در مورد میانگین وزنی تصادفی که در سال های اخیر به دست آمده است، می پردازیم. و بالاخره در فصل چهارم با به کار گیری تبدیل اشتیلیس تعمیم یافته و قضیه شوارتز توزیع متغیر تصادفی آمیخته را در یک کلاس بزرگ تر به دست آورده و برخی از مهم ترین ویژگی های آن را مورد مطالعه قرار می دهیم.

ما در این پایان نامه ثابت کردیم که ترکیب خطی بتا بتا خواهد بود در صورتیکه متغیر مستقل سومی با همان توزیع در جمع دو متغیر تصادفی به شکل ضرایب وزنی دخالت داده می شود بطوریکه توزیع مجموع همان توزیع بتا با مجموع پارامترها بدست می اید. همچنین ما روش جدیدی را جایگزین تبدیل اشتیلیس کرده ایم. این روش در مقایسه با تبدیل اشتیلیس ساده تر به نظر می رسد و در ادامه بسط دوجمله ای نیوتن را تعمیم داده ایم. همچنین ما انتقادی از کار سلطانی و روزگار داده ایم و این مسئله را برای هر n با روش ساده تر اثبات نموده ایم.معمولا در جمع دو متغیر تصادفی یک توزیع انتظار داریم همان توزیع با جمع پارامترها مشاهده شود مثل نرمال و پواسن و دوجمله ای و گاماو... .

در این پایان نامه خانواده ای جدید از توزیع‎‎ها با کاربرد فراوان در مهندسی مالی معرفی شده است. این توزیع شامل توزیع های مهم آماری مانند توزیع مثلثی‎‎ و توزیع توانی دو طرفه است. ابتدا به بررسی توزیع مثلثی و توزیع توانی دو طرفه پرداختیم و سپس توزیع توانی دو طرفه را با اضافه کردن پارامترهای جدید تعمیم دادیم و توزیع توانی دو طرفه تعمیم یافته را معرفی کردیم. این توزیع کاربرد فراوانی در مسائل مربوط به مهندسی مالی و عدم قطعیت دارد. که برای معرفی کاربردهای توزیع ذکر شده ابتدا حالت خاص آن معرفی شده است, و بعد کاربرد این توزیع را با استفاده از داده های واقعی و داده های شبیه سازی شده توضیح دادیم

مقدمه: درعلم آمارسنتی همه پارامترها بوسیله مدلهای ریاضی ومشاهده های تجربی تعریف می شد. بعضی وقتها به نظر می رسد چنین فرضهایی برای مسائل زندگی روزمره سختگیرانه باشد.مخصوصا درصورتیکه ما با داده های زبان شناسی یا احتیاجاتی که صریح نباشند سرکارداشته باشیم. برای اینکه این مشکل را ازبین ببریم ازروش فازی استفاده می کنیم. تعریف مسئله: درمرحله اول از تحقیق درباره انواع مختلف از پدیده(زیستی-فنی-فیزیکی-اجتماعی)،رابطه فرض اولیه با این پدیده ها اغلب فرمولی هستند. سپس در جریان دومین مرحله آزمایش حقایقی که تائید یا رد می شوند آنالیز این فرضیه ها نامیده می شود. زمانی که فرض طرح شده است یکی ازروش های طبیعی جهت بررسی پدیده مورد تحقیق با استفاده ازمدل احتمالی است .برای این منظور،روشهایی از آمارریاضی استفاده شده است. این روشها آزمون آماری نامیده می شود وبه ما اجازه می دهد تا پیشامدهایی که اغلب نامحتمل هستند را زمانی که فرض آماری درست است،را تعیین کنیم. مشاهداتی از این رخدادها نشان می دهد که فرض طرح شده ممکن است درست نباشد و باید رد شود. هرچند این پیچیدگی پدیده های تحقیق شده باعث می شود مدل های درنظر گرفته شده برای واقعیت های مشاهده شده ناکافی باشد. درچنین موقعیتهایی مدلهای قدیمی باارزش هستند فقط تحت بعضی فرضهای اضافی ممکن است کامل نباشند. زمانی که داده های زبان شناسی مورد بررسی قرار میگیرد،با چنین موقعیت هایی مواجه می شویم. پیشینه: تاکنون چندین مقاله وتحقیق با موضوع آزمودن فرض آماری درمحیط فازی چاپ شده است. کاسالز وگیل [1,2,3,5]درباره آزمودن فرض با داده فازی تحقیق کرده اند که درقسمتهای اولیه تحقیقشان ازمقاله تاناکا واوکاتا وآسای[8] استفاده کرده اند.همچنین سان،سونگ وکیم[7]نیز درمورد آزمون کردن فرض با داده های فازی تحقیقاتی انجام داده اند. وردگای،دلگادو وویلا[4]درمورد رهیافت های بیزی برای مسائل آزمون کردن فرض های فازی کارهای ارزشمندی انجام داده اند. نیمن-پیرسن نیز روی رهیافت کلاسیک کار کرده است.همچنین پ.گرزگورزوسکی و او.هیرینیویش[6] نیز درموردآزمون کردن فرض آماری درمحیط فازی کارکرده اند. هدف: هدف ما اینست که رهیافت های قدیمی را قویتر وپرمایه تر کنیم تا فرضها را با معرفی کردن مدل های فازی آزمون کنیم. این مدلهای فازی پیشنهاد داده شده تا داده آزمایشی وفرض های تحقیق شده نامعلوم را توصیف کنند. دراین پایان نامه روش وجودی هیترو برای آزمون کردن فرض های آماری درمحیط فازی به کار برده می شود[6]. می خواهیم تفاوت بین رهیافت های قدیمی وجدید را قابل درک تر کنیم. همچنین می خواهیم برای آزمون کردن فرضها فرمولی ارائه دهیم وفرض هارا باداده های فازی آزمون کنیم ونشان دهیم که درچه مواردی رهیافت های قدیمی ودرچه مواردی رهیافت های جدید مفید است. [1] casals r., gil m.a.,, gil p., on the use of zadeh’s probabilistic de?nition for testing statistical hypotheses from fuzzy information, fuzzy sets and . systems 20 (1986), 175-190 [2] casals r., gil m.a., gil p., the fuzzy decision problem: an approach to the problem of testing statistical hypotheses with fuzzy information, european j. oper. res. 27 (1986), 371-382. [3] casals r., gil m.a., a note on the operativeness of neyman-pearson tests with fuzzy information, fuzzy sets and systems 30 (1989), 215-220. [4] delgado m., verdegay j.l., vila m.a., testing fuzzy hypotheses. a bayesian approach, in: approximate reasoning in expert systems, eds. m.m. gupta, a. kandel, w. bandler, j.b. kiszka, elsevier science publishers, (1985), 307-316. [5] gil m.a., probabilistic - possibilistic approach to some statistical problems with fuzzy experimental observations, in: combining fuzzy imprecision with probabilistic uncertainty in decision making, eds. j. kacprzyk, m. fedrizzi, springer-verlag, (1988), 286-306. [6] p.grzegorewski, o.hryniewicz,testing statistical hypotheses in fuzzy environment,mathware & soft computing 4(1997), 203-217. [7] son j.ch., song i., kim h.y., a fuzzy decision problem based on the gen- eralized neyman-pearson criterion, fuzzy sets and systems 47 (1992), 65-75. [8] tanaka h., okuda t., asai k., fuzzy information and decision in statistical model, in: advances in fuzzy sets theory and applications, north(1979)320-330.

چکیده ندارد.

در این پایان نامه به بررسی و مطالعه -p مقدار می پردازیم. این معیار آماری بیش از سه دهه است که در کارهای عملی آمار مورد توجه قرار گرفته است . در فصل اول تاریخچه آزمون فرضها و -p مقدار بیان شده می شود. در فصل دوم نگاهی به نظریه تصمیم و قضایای مهم آزمون فرض ها در ارتباط با -p مقدار داریم. در فصل سوم طرز محاسبه و رفتار -p مقدار برای فرض های گوناگون را بیان می داریم. در فصل چهارم درباره -p مقدار هنگامی که پارامتر مزاحم در کار باشد، بحث می کنیم. سرانجام در فصل پنجم موضوع -p مقدار را از نظر آمار بیز بر اساس تابع زیان مطالعه می کنیم.