فهرست مطالب

Journal of Iranian Statistical Society
Volume:15 Issue: 2, 2016

  • تاریخ انتشار: 1395/08/30
  • تعداد عناوین: 5
|
  • یه گا نه و شیفه را *_گالپین صفحات 1-43
    برآوردهای ناحیه کوچک، به دلیل تقاضای رو به رشد برای برنامه ریزی اثربخش در خدمات سلامت، مورد توجه ویژه بخش های خصوصی و دولتی قرار گرفته اند که منجر به تخصیص منابع مالی دولتی و سیاست گذاری و تصمیم سازی شده است. بررسی ها عموما به گونه ای طراحی می شوند که برآوردهای نماینده در سطح ملی یا حوزه های کشوری حاصل شود، اما اغلب برآوردهای متغیرهای مورد نظر در سطوح پایین تر نیز مورد نیاز است. از آنجا که اندازه نمونه ها در این سطوح، کوچک اند، نمی توان این برآورذها را به صورت قابل اعتمادی باز داده های بررسی به دست آورد. داده های سرشماری اغلب در دسترس اند، اما صرفا اطلاعاتی محدودی درباره متغیرهای مورد نظر به دست می دهند. این مشکل با استفاده از فنون برآورد ناحیه کوچک مورد بررسی قرار می گیرد که در آن برآوردهای حاصل از بررسی های نمونه ای و مجموعه داده های سرشماری با یکدیگر ترکیب می شوند. هدف اصلی این مقاله به دست آوردن بازه های اطمینان مبتنی بر برآوردهای بهترین پیشگوی خطی نااریب تجربی است. یکی از نقدهای وارد بر برآوردگرهای میانگین توان دوم خطاها این است که برآوردگر مورد نظر در عبارت میانگین توان دوم خطاها دخالت ندارد. با این حال، اکثر بازه های اطمینان موجود بر مبنای این میانگین توان دوم خطاها ساخته شده اند. در این مقاله، بازه های اطمینان خاص ناحیه برای پارامترهای ناحیه کوچک تحت مدل فی-هریوت با استفاده از آن میانگین های توان دوم خطاها مطرح می کنیم. ما این بازه های اطمینان را به تفاضل دو میانگین ناحیه کوچک تعمیم می دهیم. اثربخش بودن روش های مطرح شده از طریق داده های شبیه سازی شده بررسی و این روش ها با روش های مقالات کاکس ‎(1975)‎ و پراساد و پراساد و رائو ‎(1990)‎ مقایسه می شوند. نتایج شبیه سازی ها نشان می دهند که روش های ارائه شده در این مقاله احتمال های پوشش بیشتری دارند. سرانجام، این روش ها در مورد درصد هزینه های مواد غذایی که در اتیوپی با استفاده از بررسی هزینه های مصرف خانوار مربوط به سال های ‎2010‎ و ‎2011‎ اندازه گیری شده و داده های سرشماری سال ‎2007‎ اندازه گیری شده اند به کار برده می شوند.
  • غلامحسین همدانی * صفحات 63-71
    مشخصه های گوناگونی از توزیع ها در کلی ترین صورت آن ها بر حسب امیدهای شرطی ارائه می شوند. برخی مثال های خاص نیز داده شده اند.
  • آزاده کیاپور، مهران نقی زاده قمی* صفحات 73-85
    آزمون-برآورد مقدماتی انقباضی در توزیع نمایی تحت یک تابع زیان پیشگیرانه مورد بررسی قرار می گیرد. برآوردگر کمترین مخاطره-نااریب استخراج و تعدادی آزمون-برآوردگر مقدماتی انقباضی معرفی شده اند. نتایج را برای داده های سانسورشده و رکوردی به کار می بریم. کارایی های نسبی برآوردگرهای معرفی شده نسبت به برآوردگر کمترین مخاطره-نااریب بر مبنای داده های رکوردی تحت تابع زیان مورد بررسی برای ارزیابی عملکرد این برآوردگرها محاسبه شده است.
  • فاطمه قپانی *، بابک بابادی صفحات 87-103
    در این مقاله، یک برآوردگر ستیغی جدید معرفی و اصطلاح برآوردگر ستیغی آمیخته جدید به آن داده شده است که با یکپارچه سازی اطلاع های نمونه ای و پیشینی در مدل خطای اندازه گیری خطی با قیدهای تصادفی خطی به دست آمده است. این برآوردگر جدید تعمیمی از برآوردگر آمیخته و برآوردگر ستیغی است. عملکردهای برآوردگر جدید و برآوردگر ستیغی آمیخته نسبت به برآوردگر آمیخته تحت معیار ماتریس میانگین توان دوم خطا بررسی شده است. در پایان، یک مثال عددی و یک مطالعه شبیه سازی مونت کارلو برای نشان دادن نتایج نظری ارائه می شود.
  • غلامرضا حسامیان * صفحات 105-119
    در این مقاله روش بیزی کلاسیک برای آزمون فرض های فازی در نظر گرفته می شود. برای این منظور، با استفاده از مفهوم توزیع پیشینی با پارامترهای بازه مقدار یا فازی مقدار، مفهومی از احتمال پسینی یک آزمون فرض فازی پیشنهاد شده و ویژگی های اصلی آن مورد بررسی قرار می گیرد. شدنی بودن و اثربخشی روش های پیشنهادی نیز با ذکر چند مثال مورد بررسی قرار می گیرد.
|
  • Yegnanew Shiferaw *, Jacky Galpin Pages 1-43
    ýSmall area estimates have received much attention from both private and public sectors due to the growing demand for effective planning of health servicesý, ýapportioning of government funds and policy and decision makingý. ýSurveys are generally designed to give representative estimates at national or district levelý, ýbut estimates of variables of interest are often also needed at lower levelsý. ýThese cannot be reliably obtained from the survey data as the sample sizes at these levels are too smallý. ýCensus data is often availableý, ýbut only gives limited information with respect to the variables of interestý. ýThis problem is addressed by using small area estimation techniquesý, ýwhich combine the estimates from the survey and census data setsý. ýThe main purpose of this paper is obtaining confidence intervals based on the empirical best linear unbiased predictor (EBLUP) estimatesý. ýOne of the criticism of the mean squared error (MSE) estimators is that it is not area-specific since it does not involve the direct estimator in its expressioný. ýHoweverý, ýmost of the confidence intervals in the literature are constructed based on those MSEsý. ýIn this paperý, ýwe propose area specific confidence intervals for small area parameters under the Fay-Herriot model using area specific MSEsý. ýWe extend these confidence intervals to the difference between two small area meansý. ýThe effectiveness of the proposed methods are also investigated via simulation studies and compared with the Cox (1975) and Prasad and Rao (1990) methodsý. ýOur simulation results show that the proposed methods have higher coverage probabilitiesý. ýThose methods are applied to the percentage of food expenditure measures in Ethiopia using the 2010/11 Household Consumption Expenditure (HCE) survey and the 2007 census data setsý.
    Keywords: EBLUP estimator, Area specific, Confidence interval, Basic area level model
  • G.G. Hamedani * Pages 63-71
    Various characterizations of distributions, in their generality, are presented in terms of the conditional expectations. Some special examples are given as well.
    Keywords: Characterizations?, ?Conditional expectations
  • Azadeh Kiapour, Mehran Naghizadeh Qomi * Pages 73-85
    Shrinkage preliminary test estimation in exponential distribution under a precautionary loss function is considered. The minimum risk-unbiased estimator is derived and some shrinkage preliminary test estimators are proposed. We apply our results on censored data and records. The relative efficiencies of proposed estimators with respect to the minimum ýrisk-unbiasedý estimator based on record data under the considered loss function are computed for evaluating the performance of these ýestimators.
    Keywords: Censored data, Exponential distribution, Precautionary loss function, Records, Shrinkage testimators
  • Fatemeh Ghapani *, B. Babadi Pages 87-103
    In this paper, we propose a new ridge-type estimator called the new mixed ridge estimator (NMRE) by unifying the sample and prior information in linear measurement error model with additional stochastic linear restrictions. The new estimator is a generalization of the mixed estimator (ME) and ridge estimator (RE). The performances of this new estimator and mixed ridge estimator (MRE) against the ME are examined in terms of the mean squared error matrix sense. Finally, a numerical example and a Monte Carlo simulation are also given to show the theoretical resultsIn this paper, we propose a new ridge-type estimator called the new mixed ridge estimator (NMRE) by unifying the sample and prior information in linear measurement error model with additional stochastic linear restrictions. The new estimator is a generalization of the mixed estimator (ME) and ridge estimator (RE). The performances of this new estimator and mixed ridge estimator (MRE) against the ME are examined in terms of the mean squared error matrix sense. Finally, a numerical example and a Monte Carlo simulation are also given to show the theoretical resultsIn this paper, we propose a new ridge-type estimator called the new mixed ridge estimator (NMRE) by unifying the sample and prior information in linear measurement error model with additional stochastic linear restrictions. The new estimator is a generalization of the mixed estimator (ME) and ridge estimator (RE). The performances of this new estimator and mixed ridge estimator (MRE) against the ME are examined in terms of the mean squared error matrix sense. Finally, a numerical example and a Monte Carlo simulation are also given to show the theoretical resultsIn this paper, we propose a new ridge-type estimator called the new mixed ridge estimator (NMRE) by unifying the sample and prior information in linear measurement error model with additional stochastic linear restrictions. The new estimator is a generalization of the mixed estimator (ME) and ridge estimator (RE). The performances of this new estimator and mixed ridge estimator (MRE) against the ME are examined in terms of the mean squared error matrix sense. Finally, a numerical example and a Monte Carlo simulation are also given to show the theoretical results.
    Keywords: Mean squared error matrix, Mixed estimator, Mixed ridge estimator
  • Gholamreza Hesamian* Pages 105-119
    This paper considers the testing of fuzzy hypotheses on the basis of a Bayesian approach. For this, using a notion of prior distribution with interval or fuzzy-valued parameters, we extend a concept of posterior probability of a fuzzy hypothesis. Some of its properties are also put into investigation. The feasibility and effectiveness of the proposed methods are also clarified by some numerical examples.
    Keywords: Fuzzy hypothesis, Bayes test, Interval parameter, Fuzzy parameter, Posterior probability