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 ...

هدف از انجام این تحقیق استفاده از تکنیک موجک ها برای کاهش اثر نویز در سری های زمانی بلند مدت gps با اعمال آستانه گذاری های مختلف و مقایسه تاثیر آنها در روند کاهش نویز می باشد. روشهای آستانه گذاری شامل: حد آستانه جریمه، راهکار بیرگه - ماسارت، روش هیبریدی شور- شرینک، روش آستانه گذاری سراسری، روش مینیماکس و روش آستانه گذاری با استفاده از کمینه کردن برآورد نااریب ریسک اشتاین بودند که برای مقایسه تا...

مسئله انتخاب سبدسرمایه گذاری یکی از مهمترین حوزه های تصمیم گیری مالی است. به طور کلی در مسئله انتخاب سبد سرمایه‌گذاری تصمیم گیرنده به چندین هدف از قبیل بازده سالیانه، سود تقسیم شده سهام سالیانه و ریسک توجه می کند. تکنیک های برنامه ریزی چند هدفه ازقبیل ε – محدودیت، توابع مطلوبیت و برنامه ریزی آرمانی برای انتخاب رضایت بخش ترین سبد سرمایه گذاری به کارگرفته می شوند. دراین مقاله، فرض براین است که بر...