در میان انواع مختلف وابستگی که در متون آماری معرفی شده اند ، وابستگی α-آمیزنده یکی از وابستگی های ضعیف بین متغیرهاست که عملا کاربردهای بسیاری دارد . بسیاری از فرآیندهای تصادفی و سریهای زمانی α-آمیزنده می باشند و به طور گسترده ای مورد مطالعه قرار گرفته اند. در مدل برش از چپ، اگر x ≥y آنگاه زوج متغیرهای تصادفی (x ,y) قابل مشاهده می باشند. یکی از پارامترهای مهم در این مدل (p(x ≥y است که احتمال بر...

برآوردگرهای پارامترها در مدلهای رگرسیونی سانسور شده از چپ و سانسور شده از راست مورد نظر می باشد. این شکل از برآوردگرها نیازی به شرط متقارن بودن توزیع خطاها ندارند. برآوردگرهای معرفی شده "برآوردگر سانسور از چپ"، "برآوردگر سانسور از راست"، "برآوردگر مد چارکی" و "برآوردگر میانگین وینزوری" می باشند. خاصیت سازگاری و بطور مجانبی نرمال بودن این برآوردگرها نشان داده می شود. در پایان ویژگی های این برآور...

ما تحلیل رگرسیون داده های بقا را با مشاهدات سانسور از راست - چپ یا فاصله ای بررسی می کنیم . همچنین با به کارگیری مدلهای لگاریتم خطی برای شکستهای سانسور شده فاصله ای روشهای جدول عمر را برای داده های بقای سانسور شده گسترش می دهیم . الگوریتم em برای محاسبه برآوردهای حداکثر درستنمایی پارامترها استفاده شده است . ما فرض می کنیم تابع شکست یک تابع پله ای روی فواصل مجزای زمان است ، بنابراین مدل نمایی پا...

در این مقاله رده تمام توابع هموردا مشخص می شود و دو شرط برای اثبات وجود برآوردگرهای هموردا ارائه میگردد. روش لهمن که رده تمام توابع هموردا را در خانواده مکان و مقیاس برحسب یک تابع هموردای داده شده و یک تابع ناوردا بیان شده است برای گروهی دلخواه تعمیم داده می شود. این روش تعمیم یافته کاربردهایی در ریاضی دارد، اما برای این که در آمار مفید باشد با یک تابع مناسب ترکیب می شود تا یک برآوردگر هموردا س...

در اغلب مطالعات محیطی، داده­ها بر حسب موقعیت­شان در ناحیه مورد مطالعه معمولا وابسته فضایی هستند. تعیین ساختار همبستگی فضایی و پیشگویی دو مساله مهم در تحلیل داده­های فضایی هستند. برای تحلیل این داده­ها، اغلب یک مدل تغییرنگار پارامتری به تغییرنگار تجربی داده­ها برازش داده می­شود و براساس آن پیشگویی صورت می­پذیرد. با توجه به اینکه شکل بسته­ای برای برآوردگر پارامترهای تغییرنگار وجود ندارد، معمولا ا...

روش بوت استرپ افرون برای برآورد میزان دقت برآوردگرها، هنگام مشاهدات مستقل کاربرد دارد. برای داده های فضایی که بر حسب موقعیت قرار گرفتن آن ها در فضای مورد بررسی به یک دیگر وابسته هستند، معمولاً روش بوت استرپ بلوک متحرک مورد استفاده قرار می گیرد. از آنجا که در این روش مشاهدات مرزی نسبت به سایر مشاهدات امکان کمتری برای حضور در بلوک ها دارند، در این مقاله روش بوت استرپ بلوک مجزا معرفی و الگوریتمی بر...

در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...

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. د...

  در اغلب مطالعات محیطی، داده­ها بر حسب موقعیت­شان در ناحیه مورد مطالعه معمولا وابسته فضایی هستند. تعیین ساختار همبستگی فضایی و پیشگویی دو مساله مهم در تحلیل داده­های فضایی هستند. برای تحلیل این داده­ها، اغلب یک مدل تغییرنگار پارامتری به تغییرنگار تجربی داده­ها برازش داده می­شود و براساس آن پیشگویی صورت می­پذیرد. با توجه به اینکه شکل بسته­ای برای برآوردگر پارامترهای تغییرنگار وجود ندارد، معمولا...

همانطور که می دانیم حضور داده های پرت در یک مجموعه از مشاهدات هموارد مورد بحث بوده است، در سری های زمانی نیز حضور این گونه داده ها غیر قابل اجتناب است و از آنجا که حذف داده های پرت از یک مجموعه داده ی سری زمانی کاری نسبتا نامعقول است، پس لازم است به برآوردگرهایی دست یابیم که اثرپذیری کمتی از داده های پرت نسبت به برآوردگرهای کلاسیک داشته باشند. از آنجا که الگوی خودبازگشتی همبسته دوره ای دارای کا...