---

هدف تحقیق حاضر که به روش توصیفی از نوع زمینه‌یابی صورت گرفته‌‌است، بررسی درک و فهم و بدفهمی دانش‌آموزان پایه هشتم در مورد مفهوم احتمال است. جامعه‌ آماری پژوهش صورت گرفته، شامل دانش‌آموزان دختر و پسر پایه‌ هشتم استان تهران است. نمونه‌ای تصادفی به اندازهٔ ‎1330‎ نفر دانش‌آموز، که در مدارس عادی، نمونه دولتی، شاهد و تیزهوشان تحصیل می‌کنند؛ به روش نمونه‌گیری تصادفی طبقه‌بندی شده‌اند و ‎15‎ سؤال احتمال که روایی آن توسط تعدادی از اساتید ریاضی و آموزش ریاضی و دبیران با تجربه ریاضی بررسی‌شده بود به پرسش گذاشته شد. بعد از انجام تحلیل‌های آمار توصیفی، بدفهمی‌های دانش آموزان در هفت گروه به شرح زیر شناسایی ‌شدند: عدم درک اعداد گویا و ارتباط آن با کسرها، عدم توانایی شمارش تمام حالت‌های ممکن، قضاوت‌های ذهنی، مشکلات زبان، استفاده از روش‌های خود ساخته در محاسبه احتمال، تعمیم غیر مناسب و عدم درک برخی از مفاهیم پیش‌نیاز.

---

مدل‌های درختی یک روش جدید و ابتکاری را برای تحلیل مجموعه‌داده‌های بزرگ به‌وسیله تقسیم‌بندی فضای پیش‌بینی کننده‌ها به نواحی ساده‌تر به نمایش می‌گذارند. مدل رگرسیونی درختی جمعی بیزی، مدلی که در این مقاله به معرفی و توضیح آن می‌پردازیم، در ساختار خود از مدل جمع درختان استفاده می‌کند، زیرا ترکیب چند درخت از درخت تنها دقت بالاتری دارد. پس این مدل مبتنی بر درخت و جزء مدل‌های ناپارامتری است و در واقع تعمیمی از روش‌های رده‌بندی و رگرسیون درختی است، که در ساختار این روش‌ها درخت تصمیم وجود دارد. این روش‌ها تحلیلی قدرتمند برای کشف ساختار داده‌ها هستند و کاربرد آنها در علوم پزشکی بسیار وسیع است.

در این روش، روی پارامترهای مدل جمع درختان پیشین‌هایی در نظر گرفته می‌شود و سپس با استفاده از الگوریتم‌های کمکی به تحلیل می‌پردازد. در این مقاله ابتدا مختصراً مدل رگرسیونی درختی جمعی بیزی را معرفی کرده و سپس کاربرد آن را در تحلیل بقا با بررسی داده‌های مربوط به بیماران سرطان ریه بیان می‌کنیم.

---

سیستم منسجمی متشکل از مؤلفه‌های مستقل یا وابسته را در نظر بگیرید و فرض کنید که مؤلفه‌های آن به‌طور تصادفی از دو کلاس مختلف انتخاب شده، و مؤلفه‌های کلاس اول به مفهوم برخی از ترتیب‌های تصادفی بزرگ‌تر  از مؤلفه‌های کلاس دوم هستند.  در این مقاله، با استفاده از ترتیب‏‌های تصادفی مختلف به مقایسه  قابلیت اعتماد چنین سیستم‌هایی ‎‏پرداخته می‌شود و نشان داده می‌شود که  هرگاه تعداد  تصادفی  مؤلفه‌های انتخاب‌شده از دسته اول به مفهوم برخی از ترتیب‌های تصادفی افزایش می‌یابد، قابلیت اعتماد سیستم حاصل  بیشتر خواهد بود.  هرگاه مؤلفه‌های سیستم‏، وابسته در نظر گرفته شوند، برای توصیف ساختار وابستگی میان طول عمر مؤلفه‌ها از توابع مفصل استفاده می‌شود.

---

یکی از شایعترین علل پیوند قرنیه در ایران قوز قرنیه است. قوز قرنیه یک پدیده غیر التهابی است که معمولاً قرنیه هر دو چشم را گرفتار می‌کند. از آن‌‌جایی که در پیوند قرنیه ممکن است نسبتی از افراد عضو پیوندی را دفع نکنند و به‌عنوان افراد مصون یا شفایافته در نظر گرفته می‌شوند. در این صورت برای در نظر گرفتن این نسبت از مدل شفایافته استفاده می‌شود. با توجه به این‌که زمان‌های بقا دفع پیوند مربوط به دو چشم با هم همبستگی دارند.  بنا بر این برای در نظر گرفتن وابستگی میان زمان‌های دفع پیوند از تابع مفصل استفاده شد. هدف این مطالعه بررسی عوامل مؤثر بر دفع  پیوند قرینه با استفاده از مدل شفایافته به‌کمک تابع مفصل است. برای برآورد پارامترها از روش بیزی و بر اساس الگوریتم مونته‌کارلوی زنجیره مارکوفی و به‌کمک نرم‌افزار اوپن باگز انجام گرفت.

---

---

روش کمترین واگرایی توان چگالی یک برآورد استوار در مواجهه با موقعیت‌هایی که داده‌ها شامل تعدادی داده پرت هستند ارائه می‌دهد. در این پژوهش به معرفی و استفاده از برآوردگر استوار کمترین واگرایی توان چگالی برای برآورد پارامترهای مدل رگرسیون خطی پرداخته و در ادامه با چند مثال عددی از رگرسیون خطی، استواری این برآوردگر را در مواجهه با مجموعه داده‌هایی که شامل تعدادی داده پرت هستند نشان می‌دهیم.

---

توزیع کاماراسوامی یک توزیع دو پارامتری روی بازه (0,1) است که بسیار شبیه به توزیع بتاست. این توزیع اغلب مدلی مناسب برای متغیرهای تصادفی هستند که بین دو کران متناهی یعنی یک کران بالا و یک کران پایین تغییر می‌کنند،‌‌ مانند نسبت افرادی از جامعه که در یک‌فاصله‌ی زمانی معین فرآورده‌ی خاصی را مصرف می‌کنند. در این مقاله، ضمن معرفی خانواده توزیع‌های G-کاماراسوامی رفتار توابع قابلیت اعتماد مانند توابع نرخ خطر، نرخ خطر معکوس، میانگین باقی‌مانده عمر و گذشته‌ی عمر در آن‌ها را موردمطالعه قرار می‌دهیم. همچنین ترتیب‌های تصادفی را در خانواده توزیع‌های G-کاماراسوامی بررسی می‌کنیم. درنهایت در قالب یک مثال کاربردی، قابلیت برازش توزیع کاماراسوامی را در داده‌های واقعی مورد تجزیه و تحلیل قرار می‌دهیم.

---

در تجزیه و تحلیل متغیرهای برنولی، بررسی وابستگی بین آن‌ها از اهمیت زیادی برخوردار است. در این مقاله با اعمال وابستگی مرتبه اول بین متغیرهای برنولی، توزیع سری لگاریتمی مارکف معرفی می‌شود. برای برآورد پارامترهای این توزیع از روش‌های ماکسیمم درستنمایی، گشتاوری، بیزی و همچنین روش جدیدی موسوم به روش بیزی مورد انتظار (E- بیزی) استفاده می‌شود. در ادامه با استفاده از یک مطالعه شبیه‌سازی نشان داده‌شده که برآوردگر بیزی مورد انتظار در مقایسه با برآوردگرهای دیگر بهتر عمل می‌کند.

---

گاهی در عمل داده‌ها به صورت تابعی از یک متغیر دیگر هستند که به این نوع داده‌ها، داده‌های تابعی گفته می‌شود. اگر متغیر پاسخ اسکالر و به صورت رسته‌ای یا گسسته باشد و متغیرهای کمکی به صورت تابعی، آنگاه برای تحلیل این نوع داده‌ها از مدل خطی تابعی تعمیم‌یافته استفاده می‌شود.

در این مقاله یک مدل بریده‌شده خطی تابعی تعمیم‌یافته بررسی و برای به دست آوردن برآورد پارامترهای مدل از یک رهیافت ماکسیمم درستنمایی استفاده می‌شود. درنهایت در یک مطالعه شبیه‌سازی و دو مثال کاربردی مدل و روش‌های ارائه‌شده پیاده‌سازی می‌شوند.

---

 متأسفانه در چند سال اخیر، کاهش سطح انگیزه‌ی تحصیلی بین دانشجویان در مقاطع مختلف تحصیلی رشد فزاینده‌ای داشته و گریبان گیر بسیاری از واحدهای آموزشی دانشگاه‌های کشور شده و این می‌تواند اثرات مخرب و غیرقابل‌جبران در آینده‌ی نه‌چندان دوری داشته باشد. در این پژوهش، با استفاده از تحلیل آماری از تعدادی پرسشنامه به بررسی عوامل اجتماعی روی بی‌انگیزگی دانشجویان دانشگاه خلیج‌فارس بوشهر پرداخته و ارتباط هر کدام از متغیرها مانند وضعیت شغلی، مقدار درآمد تحصیل‌کرده‌ها، جنسیت، وضعیت تأهل، میزان درآمد خانواده، مطالب ارائه‌شده در کتاب‌های درسی، امکانات آموزشی دانشگاه و شرایط آب و هوایی با بی‌انگیزگی تحصیلی دانشجویان موردبررسی قرارگرفته‌شده است. از روش نمونه‌گیری خوشه‌ای دومرحله‌ای نابرابر برای جمع‌آوری داده‌های نمونه و اطلاعات موردنیاز، استفاده‌شده و روش تحلیل عاملی چندمتغیره جهت بررسی همبستگی درونی متغیرها و نیز یافتن عامل‌های اصلی با پیش‌بینی مقدار واریانس متغیرها توسط عامل‌ها، به کار گرفته‌شده است. همچنین به بررسی تأثیر متغیرها روی انگیزه‌ی تحصیلی دانشجویان پرداخته‌شده است.

---

تحلیل پاسخ‌های آمیخته‌ی گسسته از موضوعات مهم آماری در شاخه‌های مختلف علوم به شمار می‌آید. از جمله متغیرهای گسسته می‌توان به متغیرهای ترتیبی و متغیرهای دوجمله‌ای بیش پراکنده اشاره کرد. داده‌ی دوجمله‌ای بیش‌پراکنده مجموع آزمایش‌های برنولی ناهمبسته با احتمال موفقیت برابر است. در این مقاله مدل توأم با اثرهای تصادفی برای تحلیل پاسخ‌های آمیخته‌ی دوجمله‌ای بیش‌پراکنده و ترتیبی تحت مطالعه‌ی طولی معرفی می‌گردد. در این مدل فرض می‌شود متغیر پاسخ دوجمله‌ای بیش‌پراکنده از توزیع بتا - دوجمله‌ای پیروی می‌کند و از رویکرد متغیر پنهان برای مدل‌بندی متغیر پاسخ ترتیبی استفاده می‌شود. همچنین پارامترهای مدل با روش ماکسیمم درستنمایی برآورد و با استفاده از روش شبیه‌سازی مونت‌کارلویی برآورد پارامترها ارزیابی می‌شود. در نهایت، کاربست مدل معرفی‌شده در داده واقعی بررسی می‌شود.

---

آزمون طول عمر، اغلب به مدت زمان زیادی جهت انجام آزمایش نیازمند است؛ ازاین‌رو مهندسان و آمارشناسان به دنبال کاهش زمان اجرای این آزمون‌ها هستند. یک راه برای کوتاه شدن زمان شکست، افزایش سطح تنش، در واحدهای آزمودنی می‌باشد؛ که در این صورت واحدها زودتر از زمانی که تحت شرایط طبیعی قرار می‌گیرند، با شکست مواجه می‌شوند. این روش، آزمون عمر شتابیده نامیده می‌شود. یکی از انواع متداول این آزمون‌ها، آزمون عمر شتابیده تنش گام به گام است. در این روش تنش اعمال‌شده به واحدهای تحت آزمون، به‌طور گام به گام و در زمان‌های از پیش تعیین‌شده افزایش می‌یابد. مهم‌ترین گام در مواجه با آزمون تنش گام به گام، بهینه کردن طرح این آزمون می‌باشد. منظور از بهینه کردن طرح آزمون، انتخاب بهترین زمان برای افزاش سطح تنش است. در این مقاله، ابتدا مراحل انجام آزمون تنش گام به گام، توضیح داده می‌شود. سپس این آزمون، برای توزیع نمایی به‌کاربرده می‌شود. ازآنجاکه داده‌های طول عمر، اغلب به‌طور کامل مشاهده نمی‌شوند؛ این مدل را برای داده‌های سانسور شده نوع اول به کار می‌بریم و با به حداقل رساندن واریانس مجانبی برآورد قابلیت اطمینان در زمان $xi$ به بهینه‌سازی طرح آزمون، می‌پردازیم. نهایتاً، نتایج با استفاده از مطالعات شبیه‌سازی و داده واقعی، موردبررسی قرار می‌گیرند. با توجه به آنالیز حساسیت، نتیجه می‌شود که طرح بهینه این آزمون پایدار می‌باشد.

---

دنباله‌ای از توابع (منحنی‌ها) که در طول زمان جمع‌آوری‌ می‌شوند را یک سری زمانی تابعی گویند. فراوانی چنین مشاهداتی تحلیل سری‌های زمانی تابعی را به یکی از شاخه‌های محبوب تحقیقاتی در علم آمار تبدیل کرده است. هدف اصلی از تحلیل سری زمانی تابعی، پیش‌بینی و توصیف کمی مکانیسم‌های تصادفی است که منجر به تولید توابع شده است. در این راستا نیاز است سری زمانی تابعی به مؤلفه‌های روند، دوره‌های زمانی و خطا تجزیه شود. اما قبل از تجزیه نیاز به شناسایی و تشخیص این‌گونه مؤلفه‌ها داریم. ازاین‌رو در این مقاله یک روش ناپارامتری برای بررسی و تشخیص وجود روند در یک سری زمانی تابعی با استفاده از توابع رکورد معرفی‌شده است. سپس با پیاده‌سازی و استفاده از این روش در یک سری زمانی تابعی نحوه کاربرد آن موردتحقیق قرارگرفته است. در پایان نیز کارایی این روش برای تشخیص روند در یک مجموعه از داده‌های واقعی نرخ باروری موردبررسی قرارگرفته است.

---

سطح زیر منحنی راک یک معیار مرسوم برای ارزیابی عملکرد طبقه‌بندی بیومارکر‌ها است. در عمل یک بیومارکر قدرت طبقه‌بندی محدودی دارد لذا برای بهبود عملکرد طبقه‌بندی، علاقه‌مند به ترکیب مقادیر مربوط به بیومارکر‌ها به صورت خطی و غیرخطی هستیم در این مطالعه ضمن معرفی انواع توابع زیان، به معرفی روش Ramp AUC و برخی ویژگی‌های آن به عنوان یک مدل آماری مبتنی بر سطح زیر منحنی راک پرداخته می‌شود. این مدل جهت ترکیب بیومارکرها به شکل خطی یا غیرخطی باهدف بهبود عملکرد طبقه‌بندی و مینیمم کردن تابع زیان تجربی بر اساس تابع زیان Ramp AUC ارائه‌شده است. به‌عنوان‌مثال کاربردی، در این مطالعه از داده‌های 378 بیمار دیابتی مراجعه‌کننده به مراکز دیابتی اردبیل و تبریز در سال 1394-1393 استفاده‌شده است. جهت طبقه‌بندی بیماران دیابتی از لحاظ وضعیت محدودیت عملکردی بر مبنای بیومارکر‌های جمعیت شناختی و بالینی از روش RAUC  استفاده گردید. اعتبارسنجی مدل به روش آموزش و آزمایش انجام شد. بر اساس نتایج گروه آزمایش، مقادیر سطح زیر منحنی به‌دست‌آمده برای مدل RAUC با ترکیبات خطی از بیومارکرها در قالب هسته خطی برابر 0.81  و با هسته تابع پایه شعاعی برابر 1.00 می‌باشد. نتایج بیانگر وجود یک الگوی غیرخطی قوی در داده‌ها می‌باشد به طوری که ترکیبات غیرخطی از بیومارکرها عملکرد طبقه‌بندی بالاتری نسبت به ترکیبات خطی را دارا می‌باشند.

---

یکی از معمول‌‌ترین روش‌های سانسور، سانسور فزاینده نوع دو از راست است. در این روش از سانسور، $n$ واحد در آزمایش قرار می‌‌گیرند و در زمان از کارافتادگی هر واحد تعدادی از واحدهای باقیمانده به تصادف از آزمایش خارج می‌شوند. این کار ادامه می‌یابد تا به ازای یک مقدار از قبل تعیین‌شده مانند $m$، زمان‌های از کارافتادگی $m$ واحد ثبت شوند و سپس آزمایش خاتمه می‌یابد. مسئله تعیین طرح بهینه سانسور در مدل سانسور فزاینده نوع دو، مسئله‌ای است که تاکنون بر اساس معیارهای متفاوتی موردمطالعه قرارگرفته است. مسئله دیگر در مدل سانسور فزاینده نوع دو انتخاب اندازه نمونه در شروع آزمایش، یعنی $n$ است. در این مقاله با فرض توزیع پارتو برای داده‌های موردبررسی و معیار اطلاع فیشر، تعیین اندازه نمونه بهینه یعنی $n_{opt}$ و همچنین طرح بهینه سانسور موردمطالعه قرار می‌گیرند. در انتها، به منظور ارزیابی نتایج به‌دست‌آمده محاسبات عددی و مثال واقعی با کمک نرم‌افزار $R$ ارائه‌شده‌اند.

---

جمعیت های زیادی در آنالیز بقا اغلب با مشکل ناهمگنی مواجه هستند. افراد در نحوه برخورد با علت مرگ، واکنش به معالجه و تحت تأثیر
عوامل خطر قرار گرفتن، انعطاف پذیر هستند. نادیده گرفتن این ناهمگنی می تواند باعث به دست آمدن نتایج نادرست شود. برای برطرف کردن
این مشکلات، مدل بی ثبات نرخ خطر متناسب را معرفی می کنیم. در این مقاله، ضمن معرفی مدل بی ثبات نرخ خطر متناسب، ویژگی های آن
را مورد مطالعه قرار می دهیم. برازش مدل بی ثبات به داده های سانسور شده از راست در حضور متغیرهای توضیحی (متغیرهای قابل مشاهده)
بررسی می کنیم و در قالب مثال کاربردی برای برازش مدل بی ثبات به داده ها با در نظر گرفتن توزیع پایه وایبل و نمایی در توابع درستنمایی، از
آنها برای برآورد پارامترهای مدل استفاده می شود و با معیارهای مختلف به مقایسه مناسبت مدل ها می پردازیم.

---

در این مقاله با در نظر گرفتن داده های تحت سانسور بازه ای که دارای توزیع نمایی با نرخ خطر θ هستند، روشی برای برآورد فاصله ای توابعی از θ ارائه می شود. همچنین زمان نظارت بهینه و مطالعات شبیه سازی مورد بررسی قرار گرفته و به کاربردی از مباحث نیز اشاره می گردد.

---

در مدل‌های آمیخته خطی تعمیم‌یافته فضایی، همبستگی فضایی با اضافه کردن متغیرهای پنهان به مدل در نظر گرفته می‌شود. در این مدل‌ها چون متغیر پاسخ فضایی غیر گاوسی است و به دلیل وجود متغیرهای پنهان تابع درستنمایی معمولا شکل بسته‌ای ندارد و لذا رهیافت ماکسیمم درستنمایی برای برآورد پارامترها با چالش مواجه است. هدف اصلی این مقاله معرفی دو الگوریتم جدید برای به دست آوردن برآوردهای ماکسیمم درستنمایی پارامترها و مقایسه با الگوریتم‌های موجود از نظر سرعت و دقت است. الگوریتم‌های معرفی شده برروی یک مجموعه داده شبیه‌سازی شده به‌کار گرفته و عملکرد آن‌هامقایسه می‌شود.

---

ارزیابی کلاس جزئی اصلی از فرایند آموزش و یادگیری می‏باشد. هدف پژوهش حاضر، بررسی روایی عاملی و پایایی " پرسش‏نامه  ادراک دانشجویان از سنجش و ارزیابی  فعالیت‏ها" یوجی  می‏باشد. در این راستا پرسش‏نامه ادراک دانشجویان از سنجش و ارزیابی فعالیت‏ها روی 400 دانشجو که با روش نمونه‏گیری خوشه‏ای از بین دانشجویان دانشگاه مازندران انتخاب شده بودند، اجرا شد. برای بررسی پایایی پرسش‏نامه  از ضریب آلفای کرانباخ و برای تعیین روایی عاملی از تحلیل عاملی تأییدی استفاده شد. نتایج پژوهش حاضر نشان داد که این پرسش‏نامه  از همسانی درونی قابل قبولی برخوردار است و ضریب آلفای کرانباخ در خرده‏آزمون‏های آن بین 71/0 تا 78/0 بوده است. همچنین نتایج تحلیل عاملی تأییدی مؤید آن است که ساختار پرسش‏نامه برازش قابل قبولی با داده‏ها دارد و کلیه شاخص‏های نیکویی برازش، مدل را تأیید می‏کنند. بنابراین، پرسش‏نامه می‏تواند ابزار مناسبی برای ارزیابی ‏ ادراک دانشجویان از سنجش و ارزیابی فعالیت‏ها و تکالیف باشد.

---

با پیشرفت علم، دانش و تکنولوژی، روش های جدید و جامع برای اندازه گیری، جمع آوری و ثبت اطلاعات ابداع شده اند، که منجر به ظهور و
توسعه داده های بعد بالا شده اند. مجموعه داده های بعد بالا، یعنی مجموعه داده هایی که در آن تعداد متغیرهای توضیحی بسیار بزرگتر از تعداد
مشاهدات است، به سادگی و با روش های سنتی و کلاسیک، مانند روش کمترین توان های دوم معمولی، نمی توانند تحلیل شوند و تفسیرپذیری آن
امری بسیار پیچیده خواهد بود. اگرچه در صورتیکه فرضیات اساسی برقرار باشند، برآورد کمترین توان های دوم معمولی بهترین روش برآورد در
تحلیل رگرسیونی است ولی برای داده های بعد بالا قابل استفاده نبوده و در این شرایط مستلزم به کارگیری روش هایی نوینی هستیم. در این مقاله در
ابتدا، به مشکلات روش های کلاسیک در تحلیل داده های بعد بالا اشاره می شود و سپس، به معرفی و توضیح روش های تحلیل رگرسیونی متداول
و امروزی مانند روش های تحلیل مولفه اصلی و تاوانیده برای داده های بعد بالا پرداخته می شود. در انتها یک مطالعه شبیه سازی برای بررسی و
مقایسه روش های اشاره شده در داده های بعد بالا انجام می گردد.