مدلهای رگرسیون خطی جزئی، بدلیل آنکه خصوصیات جذاب مدلهای خطی (مانندتفسیرپذیری برآورد پارامتر) را با مفاهیم انعطاف پذیرتر رگرسیون ناپارامتری ترکیب می کنند، مورد توجه زیادی قرار گرفته اند. مدل رگرسیون خطی به صورت زیر تعریف می شود:y_i=x_i^t+m(t_i )+?(t_i)? ??_i بطوریکه? یک تابع هموار ساز می باشد، مقالات علمی کمتری در ارتباط با مسئله آزمون فرض پیرامون تابع واریانس?^2 (.)در دسترس می باشد. هدف اصلی این پایان نامه، معرفی آزمونهایی برای تابع واریانس در مدل های رگرسیون خطی جزئی و مقایسه آنها با یکدیگر می باشد. در فصل دوم آزمون همسانی واریانس ها یعنی آزمونh_0:?^2 (t)=?را برسی می کنیم ودر فصل سوم مسئله کلی آزمون برای حالت پارامتری تابع واریانس یعنی h_0:?^2 (t)=?^2 (t,?) ?t?[0,1] را برسی خواهیم کرد، بطوری که?^2 (t,?)یک تابع معلوم و? بردار مجهول پارامتر می باشد. در این فصل ابتدا دو فرآیند تصادفی معرفی می کنیم که عنوان پایه ای برای ساخت آماره آزمون فرض مورد استفاده قرار خواهند گرفت . سپس همگرایی ضعیف فرآیندهای معرفی شده، به فرآیندهای گوسی و کاربردهای آماری آنها مورد بررسی قرار خواهند گرفت . وی‍‍ژگی های مجانبی آزمون در حالت طرح تصادفی مورد بررسی قرار می گیرند. در فصل چهارم ، با ارائه یک شبیه سازی ، آزمونها را با یکدیگر مقایسه کرده و کاربرد آنها را در مثال عددی تشریح می کنیم.

مدل اثرهای تصادفی یک طرفه همان مدل خطی یک طرفه با اثرهای اصلی تصادفی می باشد. کاربرد این مدل در پرورش حیوانات، زیست شناسی، آزمایش های محیطی و دیگر زمینه های آماری که سطوح اثر به صورت یک نمونه تصادفی از جامعه ی سطوح انتخاب شده اند می باشد و محقق به دنبال به دست آوردن اطلاعاتی از پارامتر های توزیع این سطوح است. از دلایل اصلی این مطالعه می توان به موارد زیر اشاره کرد: • برآورد پارامتر های مدل یا توابعی از این پارامترها. • انجام آزمون فرض بر روی میانگین و مولفه های واریانس و توابعی از این پارامتر ها. یک رویکرد مرسوم برای برآورد مولفه های واریانس روش ماکزیمم درستنمایی مقید (reml) است. نقاط انتهایی فاصله اطمینانreml -محور به داده ها و توزیع مجانبی برآوردگر reml بستگی دارد. برآورد برجستگی در توزیع تحت مطالعه، نقش مهمی در به کار گیری روش reml-محور دارد. در این تحقیق، مطالعات بر روی داده های شبیه سازی شده، مبنی بر مقایسه عملکرد فاصله اطمینان های به دست آمده با فرض نرمالیتی و فواصل اطمینان reml-محور برای ضریب همبستگی درون رده ای صورت گرفته است.

توزیع گاوسین معکوس، به طور عمده برای تجزیه و تحلیل داده های مثبت و چوله به راست مورد استفاده قرار می گیرد. روش های استنباطی مربوط به این توزیع، شباهت بسیاری با روش ها و نظریه های نرمال دارد و بر اساس توزیع های شناخته شده ی کای-دو، t و f است. در حالت خاص، روشی که برای مقایسه ی میانگین های گاوسین معکوس، زمانی که پارامترهای مقیاس یکسان هستند، به کار می رود بسیار مشابه روش آنالیز واریانس (anova) یک طرفه برای مقایسه ی میانگین های نرمال با واریانس های برابر می باشد که این روش را آنالیز معکوس ها (anore) می نامند. آزمون anore، تنها تحت فرض برابری پارامترهای مقیاس، معتبر است. برای آزمون برابری میانگین های گاوسین معکوس با پارامترهای مقیاس نابرابر، تیان (2006) با استفاده از مفاهیم متغیر آزمون تعمیم یافته و p - مقدار تعمیم یافته، روشی را معرفی نمود که برای حالتی که تعداد جوامع مورد بررسی زیاد باشد، نمی تواند نرخ خطای نوع اول را به خوبی کنترل نماید. ما در این رساله، آزمونی را که ما و تیان (2009) با به کارگیری روش بوت استراپ پارامتری ارائه دادند، مورد مطالعه قرار خواهیم داد. نتایج شبیه سازی نشان می دهد که این آزمون، بدون توجه به تعداد و اندازه ی نمونه ها، از دیدگاه نرخ خطای نوع اول، عملکرد خوبی دارد.

در حقیقت تحلیل رگرسیونی فن و تکنیک آماری برای بررسی و مدل سازی ارتباط بین متغیرهاست. رگرسیون تقریبأ در هر زمینه ای از جمله مهندسی، فیزیک، اقتصاد، مدیریت، علوم زیستی، بیولوژی و علوم اجتماعی برای برآورد و پیش بینی مورد نیاز است. می توان گفت تحلیل رگرسیونی، پرکاربرد ترین روش در بین تکنیک های آماری است.در آمار روش معادلات برآوردی، راهی برای چگونگی تشخیص و برآورد پارامترها در یک مدل آماری می باشد و به عنوان یک حالت تعمیم یافته شامل روشهای زیادی از جمله : روش برآورد گشتاوری ،کمترین مربعات، ماکزیمم درستنمائی و ... می باشد . مبنای این روش، پیدا کردن و حل همزمان مجموعه ای از معادلات (دستگاه معادلات) شامل نمونه تصادفی و پارامتر های نامعلوم مدل می باشد.در بسیاری از متون، qrرا به عنوان جایگزینی برای رگرسیونls می دانند. در واقع رگرسیونهای ls وqr همواره به تنهایی استفاده می شوند. دلیل اصلی اینکه چرا مایل به ترکیب رگرسیونهایls وqr هستیم این است که هر دو روش گشتاور -محور هستند و انتظار میرود که استفاده از شرایط گشتاوری ترکیب شده برآوردگر هایی با ویژگی های بهتری را نتیجه دهد. بنابراین در این فصل از پایان نامه این دو تکنیک خوش تعریف را با هم آورده ایم و به توسعه ی یک چارچوب برآوردیابی که می تواند در موقعیت های بی شماری استفاده شود، پرداخته ایم. این روش نه تنها منجر به تخمین کاراتری می شود، بلکه به ساده تر شدن محاسبه ی خطای استاندارد برآوردگر ها بدون نیاز به برآورد چگالی برآوردگر می انجامد.که البته دومین جنبه از این رویه ،قوی تر است، زیرا سبب بهبود یکی از اشکالات عمده qrمی شود.

توزیع نرمال یکی از مهمترین توزیع های آماری است که در آمار نظری و آمارکاربردی نقش کلیدی دارد. در واقع، پیش فرض بسیاری از روش های آماری نرمال بودن توزیع جامعه می باشد. اما، عملاً در بسیاری از مسائل روزمره و واقعی قبول چنین فرضی معقول به نظر نمی رسد، زیرا گر چه توزیع جامعه داده ها به توزیع نرمال نزدیک است ولی بر خلاف توزیع نرمال، آن ها نوعاً نامتقارن و یا حتی دو مدی هستند. در دهه های اخیر بررسی توزیع واقعی چنین جوامعی مورد توجه آماردانان قرار گرفته است و پیامد آن معرفی خانواده توزیع های نرمال-چوله شده است. این خانواده علاوه بر تشریح واقعی توزیع چنین جوامعی، توزیع نرمال را نیز به عنوان حالت خاص در بر می گیرند. در این پایان نامه علاوه بر مروری بر توزیع نرمال-چوله به معرفی کلاسی از توزیع های تحت عنوان آمیخته های مقیاسی از توزیع نرمال-چوله (smsn) می پردازیم، این کلاس شامل تمام خانواده آمیخته های مقیاسی از توزیع نرمال می باشد. بعلاوه توزیع های نرمال-چوله، صورت های چوله برخی از توزیع های متقارن نیز اعضای این خانواده می باشند مانند: t-چوله، خط کسری-چوله و نرمال آلوده-چوله. این توزیع ها دارای دم هایی سنگین تر از نرمال-چوله می باشند و بنابراین به نظر می رسد برای استنباط استوار قابل استفاده باشند. این کلاس اولین بار توسط برانکو و دی در2001 معرفی شد. سپس کانچو و همکاران در 2009 مدل های رگرسیون غیرخطی نرمال–چوله (sn-nlm ) را معرفی کردند. در روند پایان نامه، ابتدا با فرض اینکه خطاهای مدل رگرسیون غیر خطی از توزیع smsn با میانگین صفر پیروی می کند، sn-nlm را تعمیم می دهیم، و با استفاده از الگوریتم em پارامترهای مدل را برآورد می کنیم. سپس به گسترش آنالیز بیزی برای مدل های رگرسیون غیرخطی براساس آمیخته های مقیاسی از توزیع نرمال-چوله می پردازیم. این کلاس از مدل ها، تعمیمی از مدل های رگرسیون غیرخطی متقارن می باشد زیرا توزیع های خطا هم توزیع های دم-سنگین و هم چوله را در برمی گیرند. یکی از ویژگی های خوب این کلاس از توزیع ها، دارا بودن نمایش سلسله مراتبی خوبی است که باعث می شود برای شبیه سازی نمونه هایی از توزیع توام پسین از روش های مونت کارلو زنجیر مارکوف) (mcmc استفاده کرد. در ادامه با توجه به پیشرفت های اخیر درفن آوری محاسباتی، به بررسی رفتار بیزی از طریق روش های نمونه گیری مونت کارلوی زنجیر مارکوف (mcmc) برای مدل های رگرسیون غیرخطی براساس کلاس توزیع های آمیخته های مقیاسی از توزیع نرمال چوله پرداخته و به منظور بررسی جنبه های قوی از این کلاس انعطاف پذیر در برابر مشاهدات دور افتاده و موثر، به ارائه مبحث تشخیص داده موثر در روش بیزی بر اساس واگرایی کولبک-لیبلر (k-l divergence ) می پردازیم و در نهایت، با توجه به معیار های انتخاب مدل مانند آماره پیشگو شرطی (cpo) ، انحراف معیاراطلاع (dic) ، معیار اطلاع آکائیکه مورد انتظار (eaic) و معیار اطلاع بیزی مورد انتظار (ebic) بهترین مدل برازش شده را انتخاب می کنیم.

تجزیه و تحلیل اطلاعات عددی درباره ی موضوعات مختلف در علوم گوناگون از مهم ترین بخش تحقیقات مدرن جهان امروز است. با توجه به رشد و پیشرفت علوم در شاخه های مختلف و استفاده از کامپیوتر به عنوان یک ابزار قدرتمند، همچنان جمع آوری، تنظیم و تجزیه و تحلیل این اطلاعات دارای پیچیدگی های عمیقی است که آماردانان سعی در ارائه ی راه حل های موثری جهت ساده سازی آن ها دارند. اولین گام در تجزیه و تحلیل اطلاعات، پردازش و چگونگی برازش داده های آماری با استفاده از انواع توابع توزیع است. توزیع نرمال، لاگ نرمال، بتا، وایبل و .... از جمله توابع توزیع پر کاربرد در علوم مختلف هستند. از این میان توزیع لاگ نرمال با توجه به وسعت کاربرد در تشریح و توصیف بسیاری موضوعات زیستی، اقتصادی و فرآیند های جامعه شناختی از اهمیت دو چندانی برخوردار است که در این پایان-نامه به طور گسترده ای مورد مطالعه، بررسی و تحقیق قرار گرفته است. در بسیاری از تحقیقات عملی با برآورد کردن پارامتر های تابع چگالی می توان مدل مناسبی را به داده های مورد مطالعه برازش داد. اما بر اثر عوامل تصادفی و یا روش برآورد، مقدار تقریبی پارامتر مجهول برآورد شده، همواره با مقدار واقعی آن تفاوت دارد. بنابراین به منظور کاهش این اختلاف و دست یابی به یک برآورد مطلوب و بهینه، روش های برآوردیابی متعددی مانند روش برآوردیابی گشتاوری، درست نمایی ماکزیمم و گشتاوری تعدیل یافته برای برآورد پارامتر های توزیع لاگ نرمال معرفی و تحقیقات انجام گرفته در جهت دستیابی هر چه سریع تر و بهتر به این پارامتر ها ارائه شده است. انتخاب درست روش بهینه سازی مهم ترین عامل در همگرایی جواب ها به سمت نقطه ی بهینه است. بسیاری از مسائل بهینه سازی در آمار کاربردی پیچیده بوده و حل آن ها با روش های ساده بهینه سازی، مشکل است. امروزه با توجه به افزایش چشمگیر توان کامپیوتر-ها، نرم افزار های مختلفی جهت اعمال روش های پیچیده ی بهینه سازی مورد استفاده قرار می-گیرند. روش مشتق گیری از جمله این نرم افزار ها است. از سال های 1960 تاکنون استقبال رو به رشدی در تقلید از موجودات زنده برای دستیابی به روشی برای بهینه سازی به وجود آمده است. الگوریتم ژنتیک و اجتماع مورچگان از جمله این روش ها هستند. با توجه به اینکه کلیه ی بهینه سازی ها در تحقیق حاضر توسط الگوریتم ژنتیک انجام شده، در فصل سوم به مطالعه و بررسی این ابزار توانمند پرداخته شده است. در فصل چهارم به مقایسه ی روش های برآوردیابی مطرح شده در فصل سوم شامل روش گشتاوری، گشتاوری تعدیل یافته، درست نمایی ماکزیمم و همچنین روش های پارامتری شامل روش های ew، mw و kh، پرداخته می شود. همچنین روش های مورد استفاده در برآورد پارامترهای توزیع لاگ نرمال از دیدگاه الگوریتم ژنتیک، به کمک شبیه سازی تحلیل می شود. جهت مقایسه ی این روش ها، با بکارگیری روش الگوریتم ژنتیک، از داده های واقعی و داده-های شبیه سازی شده استفاده شده است. مطالعات شبیه سازی با استفاده از دو معیار معرفی شده، برای انجام مقایسه های مورد نظر انجام شده است. مطالعات شبیه سازی نشان می دهد که روش وینگو از دیگر روش ها بهتر است.

آزمون فرضیه از مهمترین موضوعات در آمار است. یکی از اهداف آزمون فرضیه‏، مقایسه‎‎ ی دو یا چند جامعه آماری است. آزمون‎‎ های تقدمی‏ آزمون های آزاد توزیعی ‎‎هستند که برای تشخیص وجود ترتیب تصادفی معمولی میان دو توزیع استفاده می شوند. در این پایان نامه‏، آزمون های تقدمی در حضور نمونه سانسوریده ی نوع ‎ ‎ii‎ ‎ معرفی شده است. توزیع دقیق آماره های آزمون تقدمی مختلف تحت فرضیه صفر بدست آورده می شوند. همچنین مقادیر دقیق بحرانی آن ها محاسبه شده است.در ادامه آزمون هایی آزاد توزیع برای مقایسه ی دو توزیع به معنای پراکندگی معرفی شده است. سپس با استفاده از روش های شبیه سازی مونت کارلو به ارزیابی توان این آزمون ها برای خانواده هایی از توزیع ها مانند نمایی‏، نرمال‏، وایبل و لگ‏ لجستیک پرداخته شده است. ‎‎

جهت برآورد مقدار کل جمعیت، اغلب برای کلیه واحدهای جامعه اطلاعاتی در خصوص متغیر کمکی x در دسترس می باشد. اینگونه اطلاعات زمانیکه متغیر x با متغیر اصلی مورد بررسی رابطه ای نزدیک دارد، می-توانند جهت انتخاب واحدهای نمونه ی تصادفی بکار گرفته شوند. بطوریکه مقادیر x را بصورت اندازه ی واحدها در نظر گرفته و هر واحد با احتمالی متناسب با اندازه، انتخاب می شود. اینچنین روش های نمونه گیری کاراتر از روش نمونه گیری تصادفی ساده خواهند بود. در این پایان نامه، ابتدا روش های نمونه گیری گوناگونی که در آنها احتمالات شمول واحدها نابرابر می باشند، مورد بررسی قرار داده شده سپس یک روش دو مرحله ای جهت نمونه گیری با احتمالات متناسب با اندازه که از ترکیب روش نمونه گیری پواسن و روش نمونه گیری تصادفی ساده ساخته می شود ارائه شده است. همچنین خواص مجانبی احتمالات شمول مرتبه-اول و دومِ روش مورد مطالعه قرار گرفته اند. برآوردگرهای مقدار کل و واریانس این برآوردگرها نیز ارائه شده است و سپس برخی خواص و ویژگی های این برآوردگرها با استفاده از مفهوم شبیه سازی و مثالی بر اساس داده های واقعی مورد بحث و بررسی قرار داده شده اند.

مبدل هایdc-dc سوئیچینگ مجتمع با ولتاژ کم نقش بسیار مهمی در کاربردهای قابل حمل تغذیه شونده با باتری مانند تلفن های سلولی، pda ها، دوربین های دیجیتال، لپ تاپ ها و... ایفا می-کنند. حفظ بازده بالا در محدوده وسیع از جریان بار، زمان استفاده از باتری تجهیزات تغذیه شونده با باتری را افزایش می دهد. یکی از راه های افزایش بازده در محدوده وسیعی از جریان بار، استفاده از منبع تغذیه سوئیچ شونده با چندین حالت کنترلی در فناوری cmos است. مبدل سوئیچ شونده با کنترل "مدولاسیون پهنای باند" (pwm) بازده پایین در بار سبک دارد. در حالی که کنترل "مدولاسیون فرکانس پالس" (pfm) بازده بیش تری در بار سبک دارد. از این رو مبدل با ترکیب هردو کنترل می تواند بازده بالا در محدوده وسیعی از جریان بار داشته باشد. از جهتی دیگر، مبدل dc-dc با قابلیت سوئیچ نرم که با نام مبدل های رزونانسی شناخته می شوند، تلفات سوئیچینگ را کاهش و در نتیجه بازده را افزایش می دهد. پیکربندی های متفاوتی جهت سوئیچینگ نرم گزارش شده است. در کاربردهای قابل حمل، حجم، وزن و قیمت اهمیت بسیار زیادی دارند. بنابراین مبدل-های qsw مناسب ترین انتخاب هستند زیرا در آن ها کم ترین اجزای رزونانسی (فقط یک خازن رزونانسی) استفاده می شود. در این پایان نامه ابتدا مبدل باک دومد در فناوری های ساخت µm 0/18 و nm 90 طراحی و با استفاده از نرم افزار hspice شبیه سازی شد. این مبدل شامل مدارهای شروع نرم، آشکار ساز pwm/pfm، و آشکارساز جریان سلف می باشد. مدار حسگر جریان جدید ارائه و مدار حافظت جریان اضافی برای ایمنی بیش تر به کار برده شد. نتایج شبیه سازی در فناوری µm 0/18 نشان می دهد که بیشینه بازده توان %95/3 در ولتاژ خروجی v 1/8 است. در ادامه، روش کنترل جدید برای بهبود بازده توان مبدل های dc-dc ولتاژ پایین برای کاربردهای قابل حمل که با باتری تغذیه می شود ارائه شد. مبدل دومد با به کارگیری سوئیچ نرم در بارهای سبک در فناوری ساخت nm 90 طراحی شده است. نتایج شبیه سازی نشان می دهد که بازده برای ولتاژ ورودی v 1/4 و ولتاژ خروجی v 0/5 در محدوده جریان بار a 1- ma 10 بالای % 72 است. در طرح کنترلی ارائه شده، پیچیدگی کمی به مدار اضافه شده است و بازده %1/5-4 بیش تر از طرح های متداول قبلی را فراهم می کند.

هرگاه موضوع قابلیت اعتماد مطرح می شود؛ یکی از اولین مسائل که در ذهن تداعی می گردد شکست یک واحد یا مرگ یک موجود زنده است. از بین توزیع های آماری، به دلیل ذات توزیع نمایی، این توزیع می تواند گزینه مناسبی برای مدل بندی شکست ها باشد. در حالت دو متغیره ما با وابستگی های بین دو مولفه رو به رو هستیم. بنابراین یک خانواده وسیعی از توریع های دو متغیره وجود دارد. در این رساله، ما علاقه مند به معرفی سه نوع توزیع دو متغیره با نام هایی توزیع نمایی گامبل، توزیع نمایی فروند و توزیع نمایی مارشال-الکین هستیم. همچنین برخی از خواص آماری مدل های معرفی شده مانند برآوردگرهای حداکثر درستنمایی پارامترها، توابع مولد گشتاور، ضریب همبستگی واطلاع فیشر مورد توجه است. در پایان، به عنوان یک مثال کاربردی از توزیع نمایی فروند و مارشال-الکین، به منظور مدل بندی تأخیرهای شبکه استفاده می نماییم به طوری که برآوردگرهای ماکسیم درستنمایی و فواصل اطمینان برای پارامتر جبران تأخیر زمان به دست آورده می شود.

جنگل های خزری یا هیرکانی شمال ایران از جمله جنگل های بجا مانده دوران سوم زمین شناسی و دارای عناصر شاخص و بسیار مهمی است که تحت تاثیر یخبندان های دوران چهارم زمین شناسی از بخش هایی از جهان حذف شده اند و اینک در یال های شمالی البرز متمرکز هستند. برخی از گونه های درختی و یا درختچه ای این منطقه از گونه مهم و شاخص اقلیمی می باشند. بازخورد اقلیم در مناطق هیرکانی خاص تمرکز ارتفاعی گونه ها نیست بلکه گونه های چوبی در جنگل های هیرکانی چه به صورت ارتفاعی (عرض جغرافیایی) و چه به صورت غرب به شرق (طول جغرافیایی) تحت تاثیر اقلیم و ویژگی های آب و هوایی هستند. از ویژگی های مهمی که می تواند به نوعی انعکاس از شرایط اقلیمی باشد ویژگی های تشریحی و مورفولوژیکی برگ گیاهان است. از میان گونه های درختی کمربند بالایی جنگل های هیرکانی، سه گونه راش (fagus orientalis)، اوری (quercus macranthear) و لور (carpinus orientalis) برای بررسی تغییرات آناتومی و مورفولوژی برگ در سه استان شمالی مورد استفاده واقع شد. ویژگی های آناتومی گونه ها به طور جداگانه برای هر گونه مشخص شده است. آنالیز های رسته بندی (dca , pca) همراه با آنالیز واریانس (anova) نشان داده است که سه گونه ذکر شده با داشتن ویژگی های آناتومی و مورفولوژی مختلف از یکدیگر قابل تفکیک هستند. انجام آنالیز واریانس به طور جداگانه برای هر گونه نشان داد که ویژگی های ضخامت کوتیکول فوقانی و تحتانی، ضخامت کلانشیم فوقانی و تحتانی، میزان تراکم کرک و کریستال در هر دو سطح برگ، تعداد روزنه برگ و نسبت پارانشیم نردبانی به اسفنجی به طور معنی داری در بین جمعیت های سه استان متغیر است. همچنین ویژگی های مورفولوژی (سطح برگ و ضخامت برگ) و وزن برگ در گونه های لور و راش در بین سه استان مطالعه شده معنی دار می باشند. ویژگی های ذکر شده بویژه تعداد روزنه، نسبت پارانشیم نردبانی به اسفنجی، تراکم و طول کرک در گونه های مطالعه شده، نشان دهنده تاثیر اقلیم و ویژگی های خاکی متفاوت در سه استان روی خصوصیات آناتومی و مورفولوژی برگ می باشد.

بیشتر نتایج در تئوری رگرسیون ناپارامتری فقط برای حالتی که خطا جمع پذیر است، گسترش داده شده است. در این حالت بسیاری از روش های هموارسازی مانند روش آستانه سازی موجکی بسط داده شده است و نشان داده شده که از میزان تطبیق پذیری بالایی برخوردار می باشند. در این پایان نامه ما رگرسیون ناپارامتری را در خانواده های نمایی، بخصوص در خانواده های نمایی طبیعی با تابع واریانس درجه دو در نظر گرفته ایم. با استفاده از یک تبدیل پایدارساز واریانس میانگین محور، به تبدیل مسأله نسبتاً پیچیده رگرسیون ناپارامتری در خانواده های نمایی به یک مسأله رگرسیون گاوسی استاندارد، می پردازیم و سپس هر روش رگرسیون گاوسی ناپارامتری مرسوم می تواند بر روی داده های تبدیل یافته بکار رود. در این پایان نامه برای ساختن برآوردگرهای نهایی تابع رگرسیون از آستانه سازی بلوکی شده موجکی استفاده می کنیم. روش ها به سادگی قابل اجرا هستند و ویژگی های تئوری و عددی برآوردگرها قابل بررسی اند. نشان داده می شود که برآوردگرها با عملکرد مجانبی نزدیک بهینه، بر روی دامنه وسیعی از فضاهای بسوف، داراری درجه بالایی از تطبیق پذیری و تطبیق پذیری فضایی هستند.

چکیده ندارد.

توزیع گاما سه پارامتری توزیعی است با چولگی مثبت که در بسیاری از شاخه های علوم برای مدل بندی آماری پدیده هایی که ماهیت تصادفی دارند ، به کار گرفته می شود . وجود برآوردیاب های درستنمایی ماکزیمم برای پارامترهای این توزیع ، به عنوان یک مساله حل نشده ، هنوز مورد توجه پژوهشگران است . مشکل اصلی در برآوردیابی پارامترهای این توزیع آن است که در قسمت هایی از فضای پارامتر ، به دلیل نامتناهی شدن تابع درستنمایی ، قادر نخواهیم بود برآوردیاب های سازگار برای پارامترهای این توزیع به دست آوریم . تاکنون روشهای مختلفی توسط پژوهشگران برای رفع این مشکل ارائه شده است که غالبا دارای دو رویکرد می باشند ، یکی اصلاح تابع درستنمایی و دیگری استفاده از سایرکمیت ها . در این پایان نامه ابتدا روش های درستنمایی تعدیل شده (mml)، درستنمایی ماکزیمم بیزی(bml) و روش ماکزیمم حاصلضرب فاصله ای (mps) را برای برآورد پارامترهای این توزیع معرفی کرده ، سپس روش جدید حذف پارامتر مکان (lpf) را برای برآورد پارامترهای این توزیع ارائه می کنیم . در پایان با استفاده از شبیه سازی عملکرد این روش ها را با هم مقایسه و نشان می دهیم روش جدید دارای عملکرد بهتری نسبت به سایر روش های قبلی است .

مسائل دونمونه ای در اغلب آزمایش های پزشکی و صنعتی مطرح می شوند. مقایسه ی کیفیت محصولات فرایندهای تولیدی مختلف و یا اثربخشی درمان های متفاوت برای یک بیماری، مسائلی هستند که در عمل با آن مواجه هستیم. بنابراین یکی از اهدافی که در آزمون فرض دنبال می شود، مقایسه ی بین دو یا چند روش رقیب است. آزمون های نوعی تقدمی می توانند انتخاب خوبی برای تشخیص وجود ترتیب تصادفی معمولی بین دو توزیع طول عمر باشند. این آزمون ها آزاد توزیع هستند و بر پایه ی شکست های اولیه طراحی می شوند.

تعمیمی یک مدی یا دومدی از توزیع تی معرفی می شود. این مدل دارای انعطاف پذیری بیشتر و دامنه چولگی و برجستگی گسترده تر نسبت به سایر توزیع های چوله میباشد. در حالت خاص، تعمیمی از توزیع کوشی نیز معرفی میگردد. با گسترش توزیع نرمال-چوله-نرمال (nsn)، معرفی شده بوسیله ی گومز و همکاران (2013)، به حالت چندمتغیره، تعمیمی از توزیع چوله نرمال چندمتغیره انجام شده است. این کلاس جدید از توزیع ها برحسب شکل آمیخته ای (shape mixture) از توزیع های چوله نرمال چندمتغیره گسترش یافته (esn) نمایش داده شده است. با استفاده از همین ویژگی، نمایش تصادفی برای توزیع جدید بدست آمده است. برخی از ویژگی های این خانواده جدید از توزیع ها بررسی شده است. روش محاسباتی با استفاده از الگوریتمem برای یافتن برآورد بیشینه درستنمایی پارامترها پیشنهاد شده است. همچنین توزیع های چوله نرمال یکی شده (sun) بریده شده مطالعه شده است. با این روش برش، به یافتن توزیع توام آماره های ترتیبی متوالی از توزیع نرمال چندمتغیره و نیز چند توزیع شرطی، پرداخته می شود. با استفاده از این نتایج، چند اندازه در قابلیت اعتماد محاسبه شده است.