چکیده: توزیع نمایی در شیوه‌های آماری بسیار متنوعی به‌کار برده می‌شوند. در میان عمده‌‌ترین کاربردهای آن می‌توان زمینه‌ها‌ی آزمون طول عمر و نظریه‌ی قابلیت را نام برد. هنگامی که دو نمونه‌ی رکورد برای براورد کردن پارامتر مقیاس در اختیار باشد، معمولاً از یک پیش‌آزمون برای تعیین این که آیا نمونه‌ها را ادغام کنیم یا نمونه‌ی تکی به‌کار بریم، استفاده می‌شود. در این مقاله، براوردگر پیش‌آزمون و براوردگر ان...

در این مقاله مسئله برآورد بردار میانگین توزیع نرمال چند متغیره با واریانس نامعلوم تحت دو محدودیت مورد بررسی قرار می گیرد. ابتدا فرض می شود تمام مولفه های بردار میانگین نامنفی باشند و سپس تنها زیر مجموعه ای از مولفه های آن نامنفی در نظر گرفته می شوند. هدف یافتن رده ای از برآوردگرهای انقباضی برتر، در فضای پارامتر محدود شده، تحت تابع زیان توان دوم است. در این راستا رده برآوردگرهای نوع بارانچی...

ما چندین نظریه ی تعمیم یافته کلی جدید برای نمونه قضایای kkm وبا شرایطی بهتر و هم چنین کاربردهایشان و نتایجی از تعادل مسایل ، مینیماکس نابرابری ها به دست می آوریم .

فرض کنیم r یک حلقه جابجایی و نوتری و a ایده آلی از r باشد و m یک r – مدول باشد. ابتدا نشان می دهیم که اگر m متناهی مولد باشد و مدولهای کوهمولوژی موضعی (h(m مینیماکس باشند آنگاه برای هر زیر مدول مینیماکس n از m مدول ( hom (r/i, h(m)/n متناهی مولد است که نتیجه می دهد مجموعه (ass(h(m)/n یک مجموعه متناهی است در ادامه برای مدول دلخواه m عضویت مدولهای کوهمولوژی موضعی (h(m به یک کلاس زیر کاتگوری سر خ...

فرض کنید r حلقه ی نوتری و جابجایی باشد. در این پایان نامه متناهی بودن ایده الهای اول وابسته به کوهمولوژی موضعی مدولهای مینیماکس و کومینیماکس بررسی شده است. همچنین متناهی بودن ایده الهای اول وابسته به کوهمولوژی موضعی تعمیم یافته روی مدولهای لاسکری ضعیف و هم متناهی ضعیف مطالعه شده اند.

در این پایان نامه خواص برآوردکننده های انقباضی مینیماکس بیز به منظور اندازه گیری مدل توزیع گاوسی معکوس تحت ضوابط مینیماکس مورد بررسی قرار می گیرد. برآوردگر ریسک کمینه تحت زیان لاینکس برای پراکندگی معکوس ? از توزیع گاوسی معکوس در دسته برآوردگرهای نااریب پیشنهاد می شود. با بهبود کارایی برآوردگر انقباضی، اگر مقدار تخمین زده شده ی ?_0در نزدیکی مقدار حقیقی ? باشد، دسته بندی برآوردگرهای انقباضی بیز ...