چکیده در پژوهش حاضر، اثر دما (160، 180 و 190 درجه سانتیگراد) و پوشش دهی بر خصوصیات فیزیکوشیمیایی (میزان جذب روغن، خروج رطوبت، حجم، رنگ و بافت) و سینتیک انتقال جرم خلالهای سیب زمینی سرخ شده به روش عمیق مورد مطالعه قرار گرفت. اثر پوشش دهی با صمغ ریحان (غلظتهای 5/0 و 1 درصد، وزنی/ وزنی) و مقایسه آن با صمغهای رایج نظیر گزانتان و متیل سلولز و همچنین ترکیب صمغ دانه ریحان و صمغهای گزانتان و متیل سلولز (اثر هم افزایی) مورد بررسی قرار گرفت و در نهایت طی مرحله سرد کردن، میزان روغن سطحی و روغن ساختمانی سیب زمینی سرخ شده اندازه گیری شد. نتایج حاکی از آن بود که با افزایش زمان سرخ کردن، محتوی رطوبت و سفتی کاهش ولی میزان روغن، تغییرات کلی رنگ و حجم افزایش می یابد. با توجه به نقش کنترل کنندگی آب در میزان جذب روغن، مقدار روغن در همه نمونه های پوشش دهی شده در مقایسه با نمونه شاهد کمتر بود. کمترین میزان جذب روغن در خلالهای سیب زمینی تیمار شده با مخلوط ریحان- گزانتان (50:50) و ریحان1 درصد (به ترتیب 13/0 و 14/0 گرم بر گرم ماده خشک) در دمای 190 درجه سانتیگراد مشاهده شد. حدود 1/32 تا 6/37 درصد از کل روغن طی سرخ کردن در دمای 190 درجه سانتیگراد به بافت داخلی سیب زمینی نفوذ کرد و تقریباً حدود 4/62 تا 9/67 درصد در سطح محصول باقی ماند. هنگام خروج محصول از سرخ کن (در مرحله سرد کردن)، سهم فراکسیونهای یاد شده معکوس شد و حدود 66 تا 85 درصد از کل روغن به درون بافت نفوذ کرد. ضریب تفکیک روغن خلالهای سیب زمینی تیمار شده با پوششهای هیدروکلوئیدی مختلف در مرحله سرد کردن (زمانهای صفر و 4 دقیقه بعد از سرد کردن در دمای محیط) اندازه گیری شد. کمترین میزان این شاخص در زمانهای صفر سرد کردن و 4 دقیقه پس از آن به نمونه های شاهد و گزانتان 1 درصد مربوط بود. بیشترین میزان ضریب تفکیک روغن به نمونه های تیمار شده با مخلوط ریحان- گزانتان و ریحان 1 درصد و مخلوط ریحان- متیل سلولز، اختصاص داشت. بیشترین میزان ضریب نفوذ موثر به نمونه شاهد و کمترین آن به نمونه های تیمار شده با ریحان 1 درصد و ترکیب ریحان-گزانتان تعلق داشت. ثابت سرعت جذب روغن با افزایش دما افزایش یافت، حال آن که میزان روغن تعادلی با افزایش دما کاهش پیدا کرد. این حاکی از آن بود که افزایش دما به کاهش جذب روغن منجر می شود.

تاکنون روش های متعددی از جمله روش های درستنمایی ماکسیمم، حداقل مربعات و ... برای برآوردیابی پارامترهای مدل های خودبازگشتی بکار رفته است. در این پایان نامه ابتدا برآوردگرهای بیز تحت توابع زیان متقارن درجه دوم و نامتقارن خطی- نمایی با توابع چگالی پیشین آگاهی بخش و آگاهی نابخش را بررسی خواهیم کرد و با استفاده از الگوریتم نمونه گیری گیبس نتایجی را در مورد برآوردگرهای حاصله ارائه خواهیم کرد. هدف اصلی این پایان نامه بررسی تأثیر استفاده از پیشین های مختلف و برآوردهای مدل های خودبازگشتی برداری تحت فرضیه های متفاوت روی توزیع داده هاست. بنابراین برآوردهای بیزی تحت سه تابع زیان مختلف روی ماتریس واریانس- کواریانس ( زیان شبه آنتروپی، زیان مربع خطا و زیان شبه آنتروپی معکوس) و همچنین زیان های نامتقارن لاینکس و متقارن مربع خطا را نسبت به ماتریس ضرایب رگرسیونی مدل خودبازگشتی برداری مقایسه می کنیم و پس از درنظرگرفتن پیشین های ترکیبی مختلف (پیشین جفریز، رتس یا مرجع روی ماتریس واریانس- کواریانس و پیشین ثابت یا کوتاه شده روی ماتریس ضرایب رگرسیونی)، کارایی هریک از برآوردگرهای پارامترهای مدل خودبازگشتی برداری تحت توزیع نرمال و تی- استیودنت را ارزیابی می کنیم. در پایان با استفاده از روش زنجیره مارکفی مونت کارلو و الگوریتم متروپلیس- هستینگ به شبیه سازی از داده ها و مقایسه ریسک برآوردگرهای بیز تحت توابع چگالی های پیشین و زیان های معرفی شده می پردازیم.

در بسیاری از مباحث و تئوری های آماری، وجود فرض استقلال، محاسبات را راحت تر و قابل فهم تر می کند. با این وجود، بررسی مدل هایی که وابستگی آماری را شامل می شوند، دقیق تر و به واقعیت نزدیک تر هستند. این مدل ها، میدان کوچکی برای داده های فضایی پیشنهاد می کنند که وابستگی را در همه جهات از خودشان نشان می دهند. اگر وابستگی مشاهدات، تابعی از فاصله بین موقعیت مشاهدات بوده، به گونه ای که مشاهدات هر چقدر به هم نزدیک تر، وابستگی بین آنها بیشتر باشد؛ این مشاهدات داده های فضایی را تشکیل می دهند. به دلیل وجود همبستگی فضایی بین داده ها، روش های معمول آماری مفید نمی باشد و لازم است این داده ها را با در نظر گرفتن همبستگی بین داده ها، در حوزه آمار فضایی بررسی کرد. در این رساله، قصد داریم مدل اتورگرسیو و میانگین متحرک (arma) را برای داده های فضایی مورد مطالعه و بررسی قرار دهیم. سری های فضایی می تواند به عنوان تعمیمی از سری های زمانی مورد مطالعه قرار گیرد؛ اگر چه ویژگی های ذاتی آن باعث می شود تحلیل آن متفاوت از سری زمانی باشد. سری زمانی، یک سویه و با یک نظم طبیعی از گذشته به آینده است. این ترتیب برای سری های فضایی کلی وجود ندارد. برای رفع این مشکل دو گونه رابطه ترتیب تعریف می شود. توضیح آنکه در یک نگرش نقاط بزرگتر یا مساوی مبدا، نمایش نیمی از فضا را و در دیگری نمایش ربعی از فضا را نشان می دهند. این دو نوع نگرش به دو نوع تئوری منجر خواهد شد. ما در بررسی داده های فضایی از نگرش اول استفاده خواهیم کرد. با توجه به این نگرش، قضایا و نتایج کلیدی سری-های زمانی قابل تعمیم به سری های فضایی می باشند. لذا در ابتدا به مطالعه مدل arma برای داده های سری زمانی پرداخته و خواص مجانبی آن را بررسی می کنیم. سپس تعمیم این نتایج برای مدل arma در داده های فضایی را بیان می کنیم. تحت فرض کازالیتی و وارون پذیری مدل arma برای داده های سری زمانی، برآوردگرهای ماکزیمم درستنمایی گوسین پارامترهای مدل را محاسبه کرده و با ارائه چند لم و یک قضیه نشان می دهیم که این برآوردگرها سازگار می باشند. برای مطالعه رفتار مجانبی این برآوردگرها، تابع درستنمایی را بر حسب نوآورها بیان کرده و با ارائه یک قضیه، رفتار به طور مجانبی نرمال برآوردگرهای مدل را در حوزه زمان به طور مستقیم اثبات می کنیم. حال برای تعمیم این نتایج به فرایندهای فضایی دو بعدی، مدل arma فضایی را تحت ترتیب یک سویه تعریف می کنیم. برای یک نمونه از مدل فضایی، در حالتی که حجم نمونه به اندازه کافی بزرگ باشد، تعداد نقاط مرزی زیاد می شود. بنابراین اثر لبه باعث ایجاد مشکل می شود. در این موارد، فرایندهای یک بعدی و چند بعدی تمایز دارند. برای کنترل اثر لبه، اصلاحات مختلفی وجود دارد. در این رساله، به بیان یک روش برای اصلاح اثر لبه می پردازیم. سپس با فرض کازال و وارون پذیر بودن مدل arma فضایی و با استفاده از روش ماکزیمم درستنمایی، برآوردگرهای اصلاح شده ی پارامترهای مدل را محاسبه می کنیم. در ادامه، با بیان چند قضیه و لم، نشان می دهیم که این برآوردگرها سازگار بوده و در حالت مجانبی از توزیع نرمال تبعیت می کنند. رشته هایی که با داده هایی از موقعیت فضایی متفاوت کار می کنند، از جمله اقتصاد، زمین شناسی، اپیدمیولوژی نیاز به مدلی دارند که وجود همبستگی بین اندازه ها در موقعیت های متفاوت را نشان دهد. لذا بر آن شدیم تا کاربرد مدل arma فضایی را در یکی از این علوم مورد مطالعه قرار دهیم. اقتصادسنجی فضایی به مطالعه ارتباط فضایی بین متغیرهای مختلف می پردازد. برای نشان دادن این ارتباط، از عملگرهای تاخیر فضایی استفاده می شود. این عملگر مشابه با عملگر بازگشتی در آنالیز سری زمانی می باشد؛ با این تفاوت که مشاهدات را با محدودیت بیشتری روی شبکه های فضایی حرکت می دهد. در مسائل کاربردی اقتصادسنجی فضایی و آمار فضایی، نیازی به ساخت عملگر تاخیر فضایی به ازای تمامی ترتیب های ممکن همسایگی نمی باشد. به دلایل اقتصادی، یافتن کوتاهترین مسیر بین واحدهای فضایی از اهمیت بالایی برخوردار است. برای ساخت عملگرهای تاخیر فضایی و یافت کوتاهترین مسیر بین واحدهای فضایی چند الگوریتم را معرفی می کنیم و مدل arma فضایی برای داده-های اقتصادسنجی را بر مبنای این عملگرها می سازیم. در حقیقت، به جای اینکه تنها روی ارتباط بین داده های جمع آوری شده تمرکز کنیم، از مدل های نظری آماری برای درک چگونگی تغییرات در داده ها از طریق تجزیه و تحلیل های آمار فضایی استفاده می کنیم.

مدل های خطی آمیخته با ترکیب اثرات تصادفی و ثابت در برازش مدل های آماری از انعطاف پذیری زیادی برخوردار هستند.این مدل ها بطور گسترده برای تحلیل داده های طولی و داده های مکرر بکار گرفته می شوند که در مطالعات اقتصادی از اهمیت بالایی برخوردار هستند. برای انجام این اهداف ذکر شده مطالب زیر ارائه می شوند. در ابتدا به معرفی مدل های آماری پرداخته و برآورد همزمان پارامترها را با استفاده از روش هندرسون شرح خواهیم داد. سپس روش برآوردیابی پارامترهای واریانس را با استفاده از دو روش ماکسیمم درستنمایی و درستنمایی باقیمانده مورد بررسی قرار خواهد گرفت. مزایای بکارگیری روش، ماکسیمم درستنمایی باقیمانده را در مقابل روش درستنمایی ماکسیمم تذکر داده خواهد شد. پس از آن با ارائه روشهای تکراری برای برآوردهای پارامترهای واریانس بکار گرفته می شود بعنوان یک کاربرد، یک مجموعه از داده های طولی را با استفاده از یک مدل خطی آمیخته مورد تحلیل قرار می دهیم.

در این پایان نامه قصد داریم به بررسی این موضوع بپردازیم که وقتی در عمل با داده هایی بصورت [0,1) ، (0,1] و [0,1] برمی خوریم، چگونه توزیعی مناسب بر آن ها برازش دهیم و یا اگر چند متغیر مستقل داشته باشیم به چه نحوه ای می توان ارتباط بین متغیرهای مستقل با این متغیر پاسخ را بررسی نمود. در این راستا ترکیب یک توزیع پیوسته با یک توزیع گسسته هدف کار می باشد، بنابراین زمانی که مشاهدات بین صفر و یک هستند و تعداد مشاهدات صفر و یا یک زیاد می باشد، از توزیع بتای متورم در صفر و بتای متورم در یک و بتای متورم در صفر و یک استفاده می شود، سپس خصوصیّات و ویژگی های این توزیع را مشخص می کنیم؛ و در نهایت رگرسیون بتای متورم را بیان خواهیم کرد.

پژوهش حاضر با هدف بررسی رابطه بلوغ عاطفی و الگوهای ارتباطی زوجین با دلزدگی زناشویی معلمان متأهل مقطع ابتدایی شهرستان لامرد انجام شد. روش تحقیق، توصیفی از نوع همبستگی می باشد. جامعه آماری پژوهش شامل کلیه معلمان مقطع ابتدایی شهرستان لامرد در سال تحصیلی 1392-1391 بود. تعداد 127 نفر از جامعه پژوهش به روش تصادفی ساده به عنوان نمونه پژوهش انتخاب شدند. ابزارهای مورد استفاده در این پژوهش شامل پرسشنامه بلوغ عاطفی بهارگاوا(ems) ، پرسشنامه الگوهای ارتباطی زوجین (cpq) و پرسشنامه دلزدگی زناشویی (cbm) بود. پایایی ابزارها به روش آلفای کرونباخ محاسبه گردید. جهت تجزیه و تحلیل داده ها از روش همبستگی پیرسون و رگرسیون چندگانه استفاده شد. یافته های کلی حاکی از آن بود که بلوغ عاطفی و تمام مولفه های آن با دلزدگی زناشویی رابطه مثبت معناداری دارد (0.01 >p و 0.05 >p). الگوی ارتباطی سازنده متقابل با دلزدگی زناشویی و جنبه جسمی و جنبه عاطفی دلزدگی زناشویی ارتباط منفی معناداری دارد (0.01 >p)، در حالی که با جنبه روانی دلزدگی زناشویی رابطه معناداری ندارد. سایر الگوهای ارتباطی با دلزدگی زناشویی رابطه مثبت معناداری دارند (0.01 >p و 0.05 >p). همچنین الگوهای ارتباطی توقع مرد/کناره گیری زن، توقع زن/کناره گیری مرد، و توقع/کناره گیری کل با جنبه جسمی و جنبه عاطفی دلزدگی زناشویی رابطه مثبت معناداری دارند (0.01 >p)، در حالی که با جنبه روانی دلزدگی رابطه معناداری ندارند. الگوی ارتباطی اجتناب متقابل نیز با جنبه جسمی دلزدگی رابطه معناداری دارد (0.05 >p)، در حالی که با جنبه عاطفی و روانی رابطه معناداری ندارد. علاوه بر این، نتایج رگرسیون چندگانه نشان داد که بلوغ عاطفی و الگوهای ارتباطی به طور کلی 46 درصد از تغییرات واریانس درجه دلزدگی زناشویی را پیش بینی می کند. در مجموع نتایج بیانگر نقش تعیین کننده بلوغ عاطفی و الگوهای ارتباطی در میزان دلزدگی زناشویی می باشد.