---

در این مقاله برآورد ‎ E-‎بیزی پارامترهای توزیع نمایی دوپارامتری تحت تابع زیان درجه دوم به دست می‌آید. سپس با استفاده از شبیه‌سازی مونته‌کارلو برآورد ‎ E-‎بیزی پارامترها با برآوردهای بیزی مقایسه می‌شوند.  

---

در این مقاله، یک توزیع جدید طول عمر سه‌پارامتری بر اساس توزیع گومپرتز به‌نام مارشال-الکین گومپرتز که تعمیمی از توزیع گومپرتز و دارای نرخ شکست‌های نزولی، صعودی و وانی‌شکل است، معرفی شده و تابع چگالی احتمال، تابع توزیع تجمعی، تابع خطر و برخی از خصوصیات این توزیع جدید مانند گشتاورهای مرکزی، گشتاورهای آماره‌های مرتب، آنتروپی‌های رنی و شانون و تابع چندک به ‌دست می‌آید. همچنین پارامترهای آن به‌روش ماکسیمم درست‌نمایی برآورد شده، به‌کمک یک مجموعه‌دادۀ واقعی، این توزیع جدید با برخی از توزیع‌های طول عمر بر اساس توزیع گومپرتز مقایسه می‌شود. 

---

در این مقاله، توزیع پنج‌پارامتری به‌نام توزیع بتا گومپرتز هندسی، که دارای تابع خطر افزایشی، کاهشی-افزایشی-کاهشی، تک‌مدی و گودالی‌شکل است، معرفی و تابع چگالی احتمال، تابع توزیع تجمعی و تابع خطر آن ارائه می‌شود. همچنین به‌کمک چندجمله‌ای‌های استرلینگ، گشتاورها، گشتاورهای آماره‌های مرتب و منحنی‌های بن فرنی و لورنتس این توزیع جدید به دست می‌آید. پارامترهای آن به‌روش ماکسیمم درست‌نمایی براورد شده و در نهایت نیز با استفاده از یک مجموعه‌داده‌های واقعی، کاربردی از آن نشان داده می‌شود.

---

در این مقاله، برای میانگین جامعه متناهی در روش نمونه‌گیری تصادفی ساده بدون جایگذاری با توجه به اطلاعات کمکی، یک برآوردگر جدید از نوع نمایی ارائه می‌شود. سپس این برآوردگر جدید با چند برآوردگر دیگر میانگین جامعه متناهی به وسیله دو مجموعه‌داده‌های واقعی و با استفاده از میانگین توان دوم خطای آنها مقایسه می‌شود. 

---

در این مقاله برآوردهای ‎E-‎بیزی و بیزی سلسله مراتبی پارامتر توزیع رایلی تحت تابع زیان درجۀ دوم و بر اساس نمونه‌های سانسور فزآیندۀ نوع دوم به دست آورده می‌شود و سپس با استفاده از روش شبیه‌سازی مونته‌کارلو، این برآوردگرها با هم و با برآوردگر بیزی مقایسه می‌شوند.

---

در این مقاله، قابلیت اعتماد در مدل تنش-مقاومت چندمؤلفه‌ای، وقتی که متغیرهای تنش و مقاومت دارای توزیع‌های رایلی ‏وارون با پارامترهای متفاوت ‎alpha‎ و ‎beta‎ هستند، به روش‌های ماکسیمم‏ درست‌نمایی، بیزی و بیزی تجربی برآورد می‌شود. سپس به‌کمک شبیه‌سازی مونته‌کارلو و دو مجموعه‌داده‌های واقعی، این روش‌های برآورد با هم مقایسه می‌شوند.

---

‏هر‎گاه اطلاعاتی تقریبی و اولیه راجع به پارامتر نامعلوم یک توزیع در دسترس باشد، می‌توان از روش برآورد انقباضی برای برآورد آن استفاده نمود. در این مقاله ابتدا برآورد  E‎ -بیز پارامتر توزیع رایلی معکوس تحت تابع زیان آنتروپی عمومی به دست آورده شده و سپس به کمک مقدار حدسی پارامتر توزیع رایلی معکوس، برآورد انقباضی آن ارائه شده است. همچنین با استفاده از شبیه‌سازی مونت‌کارلو و یک مجموعه داده‌ واقعی، برآورد انقباضی پیشنهادی با برآوردهای نااریب با کمترین واریانس و ‎E‎ -بیز ‏بر اساس معیار کارایی نسبی، مقایسه می‌شود.

---

در این مقاله برای خانواده مدل‌های ‎‎$‎‎‎{E_r/M/2, r=1,2,cdots}‎$‎‏ با زمان‌های بین ورودهای دارای توزیع ارلانگ و زمان‌های سرویس با توزیع نمایی‏، مدل بهینه تعیین می‌شود. ‎‏روش انتخاب مدل بهینه به این صورت است که ابتدا تابع هزینه معرفی و سپس شاخصی جدید بر حسب تابع هزینه و احتمال پایایی سیستم به نام ‎$SER‎$‎ معرفی می‌شود. مدلی بهینه است که ‏ دارای شاخص ‎$‎SER‎‎$‎‎‏ بزرگ‌تری باشد. همچنین برای تشریح روش تعیین مدل‌ بهینه از تحلیل عددی استفاده می‌شود.

---

در این مقاله مدل صف‌بندی ‎$‎‎‎M/M/1‎$‎‏ که در آن زمان‌های بین دو ورود متوالی مشتری‌ها دارای توزیع نمایی با پارامتر ‎$‎‎‎lambda‎$‎‏ و زمان‌های سرویس دارای توزیع نمایی با پارامتر ‎$‎‎‎mu‎$‎‏ و مستقل از زمان‌های بین ورودهای متوالی هستند‏، در نظر گرفته می‌شود. همچنین فرض می‌شود که سیستم تا زمان ‎$‎‎‎T‎$‎‏ فعال است. سپس تحت این زمان توقف ‎$‎‎‎(T)‎$‎‎‏‏، برآوردهای بیز‏، ‎$‎‎‎E‎$‎‎‏-بیز و بیز سلسله مراتبی ‏پارامتر شدت ترافیک این مدل صف‌بندی‏، ‎تحت تابع زیان آنتروپی عمومی و با در نظر گرفتن توزیع‌های پیشین گاما و ارلانگ به ترتیب برای پارامترهای ‎$‎‎‎lambda‎$‎‏ و ‎$‎‎‎mu‎$‎ به دست آورده می‌شود.‏ سپس به کمک تحلیل عددی و بر اساس شاخصی جدید بر حسب احتمال پایایی و تابع هزینه‏، روش‌های برآورد بیز‏، ‎$‎‎‎E‎$‎‎‏-بیز و بیز سلسله مراتبی با هم مقایسه می‌شوند.