اندازه گیری و مقایسه نابرابری توزیع های درآمد همواره مورد توجه اقتصاددانان بوده است. مقایسه نابرابری درآمد بین جوامع مختلف این امکان را فراهم می آورد تا جوامعی را که در آن نابرابری درآمد کمتر به چشم می خورد شناسایی نماییم. بدون شک در چنین جوامعی مدیران اقتصادی راه حل هایی را برای کاهش نابرابری درآمد پیشنهاد نموده اند که در این زمینه کارساز بوده است. این راهکارها می توانند الگویی برای دیگر جوامع قرار گیرند تا بتوانند نابرابری درآمد را در جوامع خود کاهش دهند. یکی از متداول ترین ابزارهای مقایسه نابرابری توزیع های درآمد منحنی لورنتس می باشد و ضریب جینی یکی از مهم ترین اندازه های نابرابری درآمد است که از منحنی لورنتس حاصل می شود.در این پایان نامه ابتدا به بیان تاریخچه ای از پیدایش منحنی لورنتس، معرفی منحنی لورنتس، ضریب جینی و ترتیب های تصادفی می پردازیم. در انتهای فصل اول نیز ترتیب لورنتس و همچنین ترتیب لورنتس تعمیم یافته را معرفی خواهیم کرد. ملاحظه خواهید نمود هرگاه منحنی های لورنتس متقاطع باشند دیگر از ترتیب لورنتس برای مقایسه توزیع های درآمد نمی توان استفاده کرد. در فصل دوم راهکارهایی برای مقایسه توزیع های درآمد در چنین حالتی ارائه می- شود. همچنین در انتهای فصل دوم اندازه نابرابری دیگری غیر از ضریب جینی برای مقایسه توزیع های درآمد با منحنی های لورنتس متقاطع که دارای ضریب جینی یکسان هستند معرفی خواهد شد. در فصل سوم آزمون هایی را برای شناسایی تقاطع منحنی های لورنتس و نیز منحنی های لورنتس تعمیم یافته معرفی می نماییم. کاربردی از آن چه را که در فصل های دوم و سوم ارائه خواهدشد در فصل پنجم آورده ایم. داده های هزینه خانوار سال 87 که در این فصل مورد استفاده قرار می گیرند قبلا در فصل چهارم معرفی خواهندشد. فصل ششم نیز شامل نتیجه گیری و آینده تحقیق می باشد.

داده هایی که نوعاً بر حسب موقعیت (مکان) قرارگرفتن آنها در فضای مورد مطالعه همبسته باشند و این همبستگی تابعی از فاصله موقعیت آنها باشد، داده های فضایی نامیده می شوند. مجموعه ای از داده-های فضایی که در زمانهای متوالی(منظم یا نامنظم) مشاهده شوند را داده های فضایی-زمانی می نامند. هدف اصلی این پایان نامه یافتن ساختار وابستگی داده های فضایی- زمانی و مدلسازی این وابستگی است که به وسیله تابع تغییرنگار یا هم تغییرنگار است. با استفاده از مدلهای هم تغییرنگار تفکیک پذیر می توان هم تغییرنگار توام فضایی-زمانی را به کمک مدلهای هم تغییرنگار صرفا فضایی و صرفا زمانی مدلسازی کرد. فرض تفکیک پذیری علی رغم سادگی در تفسیر و کاربرد با محدودیت هایی روبرو است که ما سعی داریم برای رفع این محدودیت ها مدلهای مختلف را مورد بررسی و تجزیه و تحلیل قرار داده و نحوه برازش آنها به داده ها را بیان کنیم. در این پایان نامه ضمن مرور مدلهای مختلف کواریانس فضایی-زمانی( اعم از تفکیک پذیر و تفکیک ناپذیر )، روش کرسی و هوانگ را برای ساخت توابع کواریانس مانای تفکیک ناپذیر مورد نقد و بررسی قرار می دهیم. سپس به کمک آن، چند نمونه از مدلهای کواریانس تفکیک ناپذیر را ساخته و مدل نیم تغییرنگار متناظر آنها را بدست می آوریم. در بخش کاربردی این پایان نامه ضمن ارائه برنامه نرم افزاری برای برآورد تابع نیم تغییرنگار داده های مربوط به سطح آبهای زیرزمینی دشت بیرجند شامل25 چاه از مهر سال 1376 تا اسفند 1388، به برازش این تابع می پردازیم و از بین مدلهای مختلف برازش داده شده بهترین مدل را برای برازش انتخاب می کنیم..

امروزه مفاهیمی چون عدالت و برابری در زمینه های مختلفی مانند اجتماعی، اقتصادی و فرهنگی از مفاهیم قابل توجه بسیاری از دولتمردان و مردم در بیشتر جوامع به شمار می آیند. مفهوم عدالت در مشارکت مالی خانوار در نظام سلامت، توسط سازمان بهداشت جهانی در گزارش بهداشت جهانی سال 2000 به عنوان هزینه برابر تعریف شد؛ یعنی هر خانوار سهم یکسانی از توان پرداختش را برای نظام سلامت بپردازد. حفظ سلامتی افراد خانواده، از مهم ترین وظایف خانواده است. از این رو درکشور ما نیز همانند سایر کشور ها هزینه های بهداشتی و درمانی خانوارها بخشی از هزینه کل خانوارها را تشکیل می دهد. واضح است که میزان این هزینه ها از یک خانوار به خانوار دیگر متفاوت است. در این پایان نامه برای اولین بار از شاخص های اندازه گیری نابرابری (که تاکنون عمدتاً برای اندازه گیری نابرابری توزیع درآمد مورد استفاده قرار می گرفته اند)، و برخی روش های متداول آماری، برای اندازه گیری نابرابری و مقایسه توزیع هزینه بهداشتی و درمانی خانوارها در شهرستان های کشور استفاده می نماییم. در فصل اول به معرفی منحنی لورنتس که مهمترین ابزار گرافیکی برای توصیف نابرابری های اقتصادی است و ضریب جینی، یکی از شاخص های عددی اندازه گیری نابرابری می پردازیم. از آنجا که میانگین و ضریب جینی هزینه های بهداشتی و درمانی خانوارهای شهرستان های مختلف به همراه طول و عرض جغرافیایی شهرستان ها دو مجموعه داده فضایی هستند که می خواهیم به تحلیل فضایی آنها بپردازیم، در فصل دوم داده های فضایی و مراحل مختلف تجزیه و تحلیل داده های فضایی را توضیح می دهیم. فصل سوم شامل معرفی داده های مورد استفاده و مراحل استخراج و پالایش آن ها می باشد. در فصل چهارم تحلیل توصیفی و تحلیل مقدماتی فضایی داده های میانگین و ضریب جینی هزینه بهداشتی و درمانی ماهیانه خانوارها را ارائه نموده و به برآورد تغییرنگار و مدلسازی دو مجموعه داده نامبرده می پردازیم. فصل پنجم شامل پیشگویی فضایی این دو مجموعه داده و بررسی دقت پیشگویی ها می باشد. فصل ششم مشتمل بر نتیجه گیری و آینده تحقیق می باشد

چکیده مدل های خطی شامل یک یا چند متغیر وابسته و یک یا چند متغیر مستقل یا عامل می باشند که بر حسب پارامترها خطی هستند. به طور کلی مدل های خطی را می توان به مدل های خطی تک متغیره و چند متغیره دسته بندی کرد که بسته به ماتریس طرح می توانند رتبه کامل یا رتبه ناقص باشند. مدل خطی تک متغیره شامل رگرسیون، آنالیز واریانس، آنالیزکوواریانس و غیره شاخه ای در علم آمار می باشند که در کتاب ها و مقالات مختلف به بررسی آن پرداخته شده است. در بسیاری از موارد بیشتر از یک متغیر وابسته لازم است که روابط موجود بین متغیرها را نشان دهد، در این صورت از مدل های خطی چند متغیره استفاده می شود. استنباط آماری در مدل های خطی چند متغیره بسیار پیچیده تر از مدل های خطی تک متغیره می باشد بنابراین استفاده از نرم-افزار برای تحلیل این مدل ها ضروری است. با توجه به این که نظریه های مربوط به مدل های خطی (اعم از یک و چند متغیره) به محاسبات ماتریسی وابسته است، لذا در فصل اول مقدماتی از جبر ماتریس ها بیان می شود. در فصل دوم مفاهیمی چون برآورد پارامترها، برآورد و آزمون های مختلف در مدل های خطی تک متغیره رتبه کامل و رتبه ناقص بیان می شود. علاوه براین، پس از بیان نظریه-های لازم آزمون فرضیه خطی کلی در مدل های رتبه کامل در قالب یک مثال با نرم افزار بررسی می شود. چون در این فصل مطالب بیان شده برای مدل های خطی رتبه ناقص مختصر است و از طرفی برای پرداختن به مدل های چند متغیره درک صحیح و کامل مدل های تک متغیره نیاز است، لذا در فصل سوم به طور دقیق مدل های آنالیز کوواریانس را به عنوان حالت خاصی از مدل های خطی رتبه ناقص بررسی می کنیم. در فصل چهارم مدل های چند متغیره را معرفی و برآورد پارامترها را در حالت کلی بیان و آزمون فرضیه های مختلف را در حالت کلی بررسی می کنیم. برای هر آزمون فرضیه علاوه بر نظریه های بیان شده نحوه انجام آزمون ها را با نرم افزار توضیح می دهیم. در فصل پنجم که یک فصل کاربردی مهم از این پایان نامه است برخی از آزمون های متداول چند متغیره را هم از دیدگاه نظری و هم از دیدگاه کاربردی مورد بررسی قرار می دهیم. واژگان کلیدی: آزمون فرضیه- برآورد پارامترها- تحلیل چند متغیره- فرض خطی کلی - مدل های خطی چند متغیره-

در آمار کلاسیک به طور کلی فرض می شود مشاهدات نمونه ای، از یکدیگر مستقل اند، در حالی که در عمل با موارد زیادی مواجه می شویم که مشاهدات به نوعی به یکدیگر وابسته اند. داده هایی که علاوه بر همبستگی فضایی از نظر زمانی نیز همبسته و این همبستگی ناشی از موقعیت و فاصله آنها در فضا و زمان می باشد داده های فضایی-زمانی نامیده می شوند. برای تحلیل داده های فضایی-زمانی لازم است ساختار همبستگی آن ها توسط تابع کواریانس یا تغییرنگار فضایی-زمانی تعیین گردد، تعیین درست این ساختار نقش اساسی در تحلیل و مدل بندی این مشاهدات دارد. ولی در این راستا با مشکلات فراوانی روبرو می با شیم. در چند دهه گذشته مدل های متنوعی برای ساختار همبستگی فضایی-زمانی ارائه شده است. یکی از مدل های همبستگی، مدل تفکیک پذیر می باشد. تفکیک پذیری خاصیت مطلوبی برای میدان های تصادفی فضایی-زمانی محسوب می شود، زیرا می توان با استفاده از میدان های تصادفی تفکیک پذیر، مساله مدل بندی ساختار فضایی-زمانی را به راحتی مورد بررسی قرار داد. در این حالت ماتریس کواریانس به صورت حاصل ضرب کرونکر دو ماتریس کوچکتر که از فرایندهای صرفاً فضایی و زمانی بوجود می آیند، بیان می شود. فرض تفکیک پذیری علی رغم سادگی در تفسیر و کاربرد با محدودیت هایی روبرو است که ما سعی داریم برای رفع این محدودیت ها مدل های مختلف تفکیک ناپذیر را مورد مطالعه قرار داده و نحوه برازش آنها به داده ها را بیان کنیم. برای این منظور ما روش های ساخت مدل های تفکیک ناپذیر اشتاین، فیونتزوهمکاران، کرسی و هانگ، گه نایتینگ و ما را مورد نقد و بررسی قرار می دهیم و به کمک آن ها، چند نمونه از مدل های کواریانس تفکیک ناپذیر می سازیم. در بخش کاربردی این پایان نامه ضمن ارائه برنامه های نرم افزاری برای برآورد مدل، توابع کواریانس مدل های فوق را به داده ها برازش داده و بهترین مدل را برای برازش انتخاب می کنیم. باید توجه نمود که برازش مدل کواریانس هدف اصلی تجزیه و تحلیل داده ها نیست بلکه برآورد مدل کواریانس یک ابزار اساسی برای ادامه تجزیه و تحلیل داده ها از جمله پیشگویی های فضایی-زمانی است.

چکیــده مدل¬های خطی چند مرحله¬ای به ویژه دو مرحله¬ای دارای اهمیت زیادی هستند به طوری که می¬توانند در بسیاری از پژوهش¬های علمی مورد استفاده قرار گیرند. با وجود اینکه چند سال از تعریف نظریه مدل¬های خطی دو مرحله¬ای به وسیله¬ی کاباسک (1986) و ولافوا (1987) گذشته، اما با توجه به عبارات پیچیده برآورد پارامترها به روش متداول، این مدل ها در میان پژوهشگران کمتر مورد استفاده قرار می¬گیرد، در این پایان نامه ابتدا در فصل اول کلیاتی ازجبرخطی را بیان نموده و درفصل های دوم به بحث مدل های خطی می پردازیم، سپس در فصل سوم مدل¬های خطی دو مرحله¬ای را به عنوان حالتی خاص از مدل خطی چند مرحله-ای معرفی کرده و برآورد پارامترهای مدل را به روش متداول به دست خواهیم آورد، سپس به منظور فراهم ساختن بینش های جدید و تسهیل در استفاده از این مدل در تحقیقات کاربردی، در فصل چهارم برآورد پارامترهای مدل های خطی دو مرحله منظم را با استفاده از عملگر تصویر عمود به دست می آوریم ودر نهایت در فصل پنجم به منظور استفاده کاربردی از این مدل ها برنامه هایی را با نرم افزار r نوشته ایم که به کمک آنها می توان برآورد پارامتر های مدل را به دست آورد و در انتها کاربرد این مدل ها را روی یک مجموعه داده که از یک آزمون ورودی در دو مرحله به دست آمده است، نشان می دهیم.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

دراین رساله روشهای مختلف برآورد و مدلسازی تغییرنگار داده های مانا و همسانگرد معرفی شده، سپس برآورد تغییرنگار براساس داده های روندزدوده به عنوان یک راه حل برای مشکل نامانایی ناشی از وجود روند در داده ها مورد بررسی قرار گرفته و استفاده از تابع کواریانس داده های روند زدوده به عنوان یک راه حل برتر که به نحوه روندزدایی داده ها بستگی ندارد مطرح شده است . بعلاوه روشهای مختلف کریگیدن برای پیشگویی فضایی معرفی شده ، و همچنین روشهای مختلف شناسایی و برخورد با داده های فضایی معرفی شده و نتایج کاربرد آنها روی داده های واقعی نشان داده شده است . برای داده های ناهمسانگرد ممکن است یک یا چند پارامتر، یا در حالت کلی تر مدل تغییرنگار به جهت وابسته باشد . به منظور لحاظ کردن ناهمسانگردی در برآورد تغییرنگار مدلهای مختلفی برای ناهمسانگردی ناشی از تغییر یکی از پارامترهای برد یا ازاره ارائه شده است . همچنین یک مدل کلی تر پیشنهاد شده که در آن همه پارامترهای مدل می توانند با جهت تغییر کنند. به کمک شبیه سازی دقت این مدل با مدل همسانگرد مقایسه شده و در پیشگویی به روش کریگیدن به کار رفته است . به منظور نمایش کاربرد روشهای ارائه شده در همه گیری شناسی جغرافیایی بیماریها ساختار همبستگی داده های سل ریوی اسمیر مثبت سالهای 1377 و 1378 در 262 شهرستان کشور، تحت دو فرض همسانگردی و ناهمسانگردی مدلسازی شده و میزان بروز این بیماری در 20 شهرستان فاقد اطلاع با کریگیدن پیشگویی شده است . علاوه بر این فصل آخر به تهیه نقشه آماری بیماریها، که از مباحث مهم در همه گیری شناسی جغرافیایی بیماریهاست ، پرداخته شده و به طور اخص نقشه بروز سل ریوی اسمیر مثبت به روش کریگیدن عام برای سالهای 1377 و 1378 و همچنین نقشه انحراف معیار کریگیدن ارائه شده است .