انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Bayesian perspective over time دیدگاه بیزی در گذر زمان 1 11 723724 FA غلامرضا محتشمی برزادران گروه آمار دانشگاه فردوسی مشهد Journal Article 2025 05 07 Thomas Bayes, the founder of Bayesian theory, entered the University of Edinburgh in 1719 to study logic and theology. On his return in 1722 he worked with his father in a small church. He was also a mathematician and in 1740 made a novel discovery that he never published, but his friend Richard Price found it among his notes after his death in 1761, re-edited it and published it, but no one paid attention to it until Laplace in the late 18th century, when data, especially in Europe, were not of equal reliability. The young mathematician Pierre-Simon Laplace came to believe that probability theory held the key, and he independently discovered Bayes' mechanism and published it in 1774. Laplace expressed the principle not in an equation but in words. Today, Bayesian statistics is a branch of statistics that is very important in terms of philosophy and the interpretation of probability, and is famous for Bayes' theorem, which was presented after Bayes's death. Alan Turing was a British computer scientist, mathematician, and philosopher who is now known as the father of computer science and artificial intelligence. His outstanding achievements during his short life are the result of the adventures of a beautiful mind that was finally extinguished forever with a suspicious death. During World War II, Turing worked at Bletchley Park, the British codebreaking center, and for a time was responsible for the analysis of German naval ciphers. He invented several methods, specifically Bayesian, without mentioning his name, to break German codes, as well as an electromechanical machine method that could find the characteristics of the Enigma machine. Alan Turing was a leading scientist who played an important role in the development of computer science and artificial intelligence and the revival of Bayesian thought. Turing made an influential and stimulating contribution to the field of artificial intelligence with the Turing test. He then worked at the National Physical Laboratory in England, and presented one of the first designs for a stored program computer, although it worked, which was never actually built, known as the "Manchester Mark 1". In 1948, he went to the University of Manchester to work on the world's first real computer. However, later the role of Bayes' rule and law in the scientific developments of the day became more obvious. And many Bayesian probabilistic methods in the 21st century have made important advances in the explanation and application of Bayesian statistics in the development of mathematics and have solved many problems in the world. Modern technology in the world has grown depending on Bayesian ideas, which will be reviewed in this article. توماس بیز ۱ بنیانگذار نگاه بیزی در سال ۱۷۱۹ وارد دانشگاه ادینبرو شد که در رشته منطق و الهیات تحصیل کند. در بازگشت سال ۱۷۲۲ در کنار پدر خود در کلیسای کوچکی مشغول فعالیت شد. او همچنین ریاضی دان بود و در سال ۱۷۴۰ کشف بدیعی را نمود که هرگز آنرا منتشر نکرد، اما دوست وی ریچارد پرایس آن را پس از مرگ وی در سال ۱۷۶۱ در میان یادداشت های او یافت، مجدداً ویرایش کرد و آن را منتشر نمود ولی تا زمان لاپلاس کسی بدان اهمیت نداد تا اواخر قرن ۱۸ میلادی که خصوصا در اروپا داده ها از قابلیت اطمینان برابر برخوردار نبودند. پیر−سیمون لاپلاس، ریاضیدان جوان، به این باور رسید که نظریه احتمال کلید را در دست دارد، و او به طور مستقل مکانیسم بیز را کشف کرد و در سال ۱۷۷۴ منتشر کرد. لاپلاس اصل را نه با یک معادله بلکه با کلمات بیان کرد. امروزه آمار بیز به عنوان رشته ای از علم آمار از لحاظ فلسفی و تعبیر احتمال بسیار پراهمیت است و به قضیه بیزکه پس از مرگ بیز ارائه شد معروف گشته است. آلن تورینگ دانشمند علوم کامپیوتر، ریاضیدان و فیلسوف بریتانیایی است که امروزه به عنوان پدر علم کامپیوتر و هوش مصنوعی شناخته می شود. دستاوردهای برجسته او در طول زندگی کوتاهش حاصل ماجراجویی هاییک ذهن زیبا است که در نهایت با مرگی مشکوک برای همیشه خاموش شد. در طول جنگ جهانی، تورینگ در بلچلی پارک مرکز کد شکنی انگلستان مشغول و برای مدتی مسئول بخش مربوط به تحلیل نوشته های رمزی نیروی دریایی آلمان بود. او چند روش و بطور خاص از نگاه بیزی بدون اینکه نامش را ببرد برای شکستن رمزهای آلمان ها ابداع کرد، همینطور روش ماشینی الکترومکانیکی که می توانست ویژگی های ماشین انیگما را پیدا کند نیز در زمره کارهای بزرگ وی می توان قلمداد کرد. آلن تورینگ دانشمندی پیشرو بود که نقش مهمی در توسعه علوم کامپیوتری و هوش مصنوعی و احیای اندیشه بیزی ایفا کرد. تورینگ به کمک آزمایش تورینگ سهم مؤثر و محرکی در زمینۀ هوش مصنوعی ارائه کرد. او سپس در آزمایشگاه ملی فیزیک در انگلستان مشغول به کار شد، و یکی از طرح های اولیه برنامه ذخیره شده کامپیوتر را ارائه کرد، هرچند که کار کند، که به عنوان « منچستر مارک ۱ » در واقع ساخته نشد. در ۱۹۴۸ به دانشگاه منچستر رفت تا روی اولین کامپیوتر حقیقی دنیا شناخته شد. در هر حال بعدها نقش قاعده و قانون بیز در تحولات علمی روزبروز اهمیت آن آشکارتر میشود. وبسیاری روشهای احتمالی بیزی در قرن بیست و یک پیشرفت های مهمی رادر تبیین و به کار گیری آمار بیزی در توسعه غلمی رقم زده است و معضلات زیادی از دنیا را حل و فصل کرده است تکنولوژی نوین جهانی در گرو اندیشه های بیزی رشد کرده که در این مقاله مروری بر این نگاه خواهد گردید .

https://andisheyeamari.irstat.ir/article_723724_6f5866b3304e6228b5905271e199e43f.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Fisher's linear discriminant analysis for meteorological data using the framework of Hilbert spaces with a regenerative kernel تحلیل تشخیصی خطی فیشر برای داده های هواشناسی با استفاده از چارچوب فضاهای هیلبرت با هسته بازآفرین 13 17 723725 FA بهداد مصطفائی گروه آمار، دانشگاه محقق اردبیلی محمدرضا فرید روحانی گروه آمار، دانشگاه شهید بهشتی سید محمد ابراهیم حسینی نسب گروه آمار، دانشگاه شهید بهشتی Journal Article 2025 05 07 Nowadays, with the increasing development of science and technology, data of functional nature are easily collected. Therefore, statistical analysis of such data has become of particular importance. Like multivariate analysis, linear combinations of random variables play a key role in the analysis of functional data. Among them, the role of the theory of Hilbert spaces with a reproducing kernel is very important. In this paper, a general concept of Fisher's linear discriminant analysis, which was introduced by Shin (2008) and is a generalization of the classical multivariate method for functional data, has been reviewed. In this generalization, a two-way mapping that relates a type II random process to a Hilbert space with a reproducing kernel generated by the intraclass covariance function is used. Finally, the country's meteorological data in 2008 have been analyzed for the purpose of climate classification. امروزه به موازات رشد روزافزون علم و فناوری، داده هایی با ماهیت تابعی به سهولت جمع آوری می شوند. از اینرو تحلیل آماری چنین داده هایی از اهمیت ویژه ای برخوردار شده است. همانند تحلیل های چند متغیره ترکیبات خطی از متغیرهای تصادفی نقشی کلیدی در تحلیل داده های تابعی دارند. در این میان نقش نظریه ی فضاهای هیلبرت با هسته ی بازآفرین بسیار حائز اهمیت است. در این مقاله، مفهومی عام از تحلیل تشخیصی خطی فیشر که توسط شین ( ٢٠٠٨ ) معرفی شده و تعمیمی از روش چند متغیره کلاسیک برای داده های تابعی است، مرور شده است. در این تعمیم یک نگاشت دوسویی که فرایند تصادفی نوع دوم را با فضای هیلبرت با هسته بازآفرین تولید شده بوسیله تابع کوواریانس درون رده ای ارتباط می دهد، بکار گرفته می شود. در نهایت داده های هواشناسی کشور در سال ٢٠٠٨ به منظور رده بندی اقلیمی مورد تجزیه و تحلیل قرار گرفته اند.

https://andisheyeamari.irstat.ir/article_723725_4e3dd72c09fc1a69d7e2d6c419faf167.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Induction, Dance of Shadows استقراء، رقص سایه ها 19 22 723726 FA عین اله پاشا دانشگاه خوارزمی، گروه آمار، تهران، ایران مسعود یارمحمدی ر دانشگاه پیام نور تهران Journal Article 2025 05 07 Philosophy is enlightening and delightful. It is enlightening because it brings unfamiliar points and concepts out of the darkroom of the mind and onto the stage. But there are still hidden corners that need to be illuminated. This aspect of philosophy is delightful. There are concepts in philosophy that have no end point. In order to get closer to the end point, philosophy branched out and through this, philosophy of science emerged. The same thing happened to philosophy of science and philosophy of statistics emerged. Statistics as an inductive science is rooted in the philosophical concept of induction. Induction is one of the philosophical issues full of controversy. The nature of induction is not such that it can be abandoned, nor is it such that philosophy no longer addresses it. In this article, while reviewing the stages of the formation of induction and mentioning a brief history of it and mentioning some of its ups and downs, we will discuss the most important forms of induction, which is the "problem of induction". فلسفه روشنی بخش و مسرت بخش است. روشنی بخش است زیرا نکات و مفاهیم ناآشنا را از تاریکخانه اذهان بیرون کشیده و به صحنه می آورد. ولی هنوز زوایای پنهانی هست که باید روشن شود. این وجه فلسفه مسرت بخش است. در فلسفه مفاهیمی هست که نقطه پایانی بر آن نیست. برای نزدیک شدن به نقطه پایانی، فلسفه شعبه شعبه شد و از این رهگذر فلسفه ی علم پدید آمد. بر فلسفه علم هم همین ماجرا رفت و فلسفه ی آمار در وجود آمد. آمار به عنوان یک علم استقرایی ریشه در مفهوم فلسفی استقراء دارد. استقراء از جمله مسایل فلسفی پر از منازعه است. ذات استقراء چنان نیست که به توان آن را ترک کرد و نه چنان است که دیگرفلسفه به آن نپردازد. در این مقاله ضمن مروری بر مراحل شکل گیری استقراء و ذکر تاریخ مختصری از آن و ذکر برخی فراز و فرودهای آن، به مهمترین اشکال استقراء که همان »مساله استقراء« است می پردازیم

https://andisheyeamari.irstat.ir/article_723726_d7b4f0e9fed1a98b3c10842ca4573c6a.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Bayesian approach to population structure inference رویکرد بیزی به استنتاج ساختار جمعیت 23 40 723727 FA مهرداد تمیجی کارشناسی ارشد مهندسی کامپیوتر سید محمود طاهری استاد دانشگاه تهران (نویسنده مسئول) ir Journal Article 2025 05 07 Methods for inferring population structure and its applications in identifying diseases and predicting the physical and mental state of humans have become increasingly important. In this article, the motivation and importance of studying population structure are first examined. Then, the applications of population structure inference in biology and treatment of various diseases are described. Then, methods for inferring population structure and finding the disease model corresponding to each subpopulation are described separately for populations whose members are mixed or non-mixed. In this regard, emphasis is placed on methods for inferring population structure using the Bayesian approach, and the reasons for the superiority of Bayesian methods are stated. روش‌های استنتاج ساختار جمعیت، و کاربردهای آن در شناسایی بیماری‌ها و آینده‌نگری دربارۀ وضعیت جسمی و روانی انسان‌ها، اهمیت روزافزون یافته است. در این مقاله، ابتدا به بررسی انگیزه و اهمیت بررسی ساختار جمعیت پرداخته شده است. سپس کاربردهای استنتاج ساختار جمعیت در زیست‌شناسی و درمان انواع بیماری‌ها شرح داده شده است. آن‌گاه روش‌های استنتاج ساختار جمعیت و همچنین یافتن مدل بیماری متناظر با هر زیرجمعیت، برای جمعیت‌هایی که اعضای آن مخلوط یا غیرمخلوط هستند، به تفکیک، تشریح شده‌اند. در‌این‌باره، بر روش‌های استنتاج ساختار جمعیت با رویکرد بیزی، تأکید شده است، و دلایل برتری روش‌های بیزی بیان شده‌اند.

https://andisheyeamari.irstat.ir/article_723727_5982c9c00b2f0a72717f52cf4f14e178.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 A study on the priority orders of mathematical expectation, expected utility, and distorted mathematical expectation مطالعه ای بر ترتیب های اولویت امید ریاضی، مطلوبیت مورد انتظار و امید ریاضی تحریف شده 41 53 723729 FA سیروس فتحی منش گروه آمار، دانشگاه کردستان محی‌الدین ایزدی گروه آمار، دانشگاه رازی بهاءالدین خالدی گروه ریاضی و آمار، دانشگاه بین المللی فلوریدا Journal Article 2025 05 07 One of the challenges facing decision makers in the fields of insurance and finance is choosing an appropriate criterion for making a decision. Mathematical expectation, expected utility, and distorted mathematical expectation are three common criteria in this field. In this article, we study these three criteria and, by providing examples, examine and compare decisions made based on each criterion. یکی از چالش‌های پیش‌روی تصمیم‌گیرندگان در حوزه‌های بیمه و مالی انتخاب یک معیار مناسب جهت اتخاذ تصمیم است. امید ریاضی، مطلوبیت مورد انتظار و امید ریاضی تحریف‌شده، سه معیار رایج در این زمینه می‌باشند. در این مقاله، به مطالعه این سه معیار پرداخته و با ارایه مثال‌هایی، تصمیمات اتخاذ شده براساس هر معیار بررسی و مورد مقایسه قرار می‌گیرد.

https://andisheyeamari.irstat.ir/article_723729_6da8627b4f57d890f60181eab3ca8c69.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 A century with Rao یک قرن با رائو 55 59 723730 FA موسی گلعلی زاده عضو هیئت علمی گروه آمار دانشگاه تربیت مدرس Journal Article 2025 05 07 The present article is a translation of an article in the journal Significance[1], Series 17, Issue 4, 2020, entitled "The Century of C.R. Rao[2]", which was prepared with the participation of Bradley Efron, Shun-Ichi Amari, Donald B. Rubin, Arnie S. R. Srinivasa Rao, and David R. Cox. Therefore, this article cannot be called an article. Rather, it is a translation prepared to pay tribute to a century of Professor Rao's activity so that Persian speakers who are somehow related to statistics will be aware of the valuable role of this professor in statistics. Of course, people who have completed an undergraduate course in statistics have memories of at least two famous titles, "Cramer-Rao Inequality" and "Rao-Blackwell Theorem," both of which contain the name "Rao." Therefore, it is not without merit to learn about this great personality from the words of several prominent statistical researchers. Rao's fruitful activities, some of which are mentioned in this article, can serve as a model for people who enter the field of statistics and intend to follow Rao's path in scientific and social life. نوشته حاضر ترجمه مقالهای در مجله سیگنیفیکنس[1] سری 17 شماره 4 در سال 2020 با عنوان "قرن سی، آر، رائو[2]" است که با مشارکت برادلی افرون، ، شون-ایچی آماری، دونالد بی. روبین، آرنی اس. آر. سرینیواسا رائو و دیوید آر. کاکس تهیه شده است. لذا، نمیتوان این نوشته را مقاله خطاب کرد. بلکه ترجمهای است که برای ادای دین به یک قرن فعالیت پروفسور رائو تهیه شده تا فارسیزبانانی که به طریقی با آمار در ارتباط هستند از نقش ارزنده این استاد در آمار آگاه شوند. البته، افرادی که دوره کارشناسی آمار را گذراندهاند حداقل با دو عنوان معروف "نامساوی کرامر-رائو" و "قضیه رائو-بلکول" که هر دو حاوی اسم "رائو" هستند، خاطراتی دارند. لذا، دانستن درباره این شخصیت بزرگ از زبان چند محقق برجسته آماری خالی از لطف نیست. فعالیتهای مثمرثمر رائو که بخشی از آنها در این نوشتار آمده است میتواند الگویی برای افرادی باشد که در وادی آمار قدم میگذارند و قصد پیروی از مسیر زندگی علمی و اجتماعی رائو را دارند.

https://andisheyeamari.irstat.ir/article_723730_e020df0fe7c5fc8c79a96e8495bc5304.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Dependent random lattice elements عناصر تصادفی مشبکه ای وابسته 61 70 723758 FA حمید رضا نیلی ثانی گروه آمار دانشگاه بیرجند مهدی جعفری گروه آمار دانشگاه بیرجند Journal Article 2025 05 09 In studies conducted to explain the dependence in random elements, the possibility of order between them has been less considered. This issue has created problems in the development and application of dependent random elements, some of which can be reduced by using lattice spaces. For this reason, in the present study, we first introduce Banach lattice random elements and some of their properties, and then, using the order defined in the Banach lattice space, we introduce and characterize negative ordinal dependence. Finally, we examine some limit rules for a sequence of Banach lattice random elements with negative ordinal dependent values, and show the results using simulated lattice random elements. ‏در مطالعات صورت گرفته جهت تبیین وابستگی در عناصر تصادفی، امکان وجود ترتیب بین آن‌ها کمتر مورد توجه قرار گرفته است. این مساله مشکلاتی را در مسیر گسترش و کاربردی شدن عناصر تصادفی وابسته‌ایجاد نموده که استفاده از فضاهای مشبکه‌ای می‌تواند برخی از آن‌ها را کاهش دهد. به همین دلیل در مطالعه پیش رو ابتدا عناصر تصادفی مشبکه‌ای باناخ و برخی ویژگی‌های آن‏ها را معرفی کرده و سپس با استفاده از ترتیب تعریف شده در فضای مشبکه‌ای باناخ به معرفی و مشخصه سازی وابستگی منفی ترتیبی پرداخته‌ایم. در پایان برخی قواعد حدی را برای دنباله‌ای از عناصر تصادفی مشبکه‌ای باناخ مقدار وابسته منفی ترتیبی مورد بررسی قرار داده و نتایج را با استفاده از عناصر تصادفی مشبکه‌ای شبیه‌سازی شده نشان داده‌ایم.

https://andisheyeamari.irstat.ir/article_723758_7d3562c5da0b85a9853201fef4a38fd5.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Bayesian modeling based on data from the Internet of Things مدل سازی بیزی براساس دادههای حاصل از اینترنت اشیاء 71 82 723759 FA فرزاد اسکندری استاد گروه آمار دانشگاه علامه طباطبایی سیما نقی زاده اردبیلی استادیار سازمان سنجش آموزش کشور سروش پاکنیت دانش آموخته رشته رایانه دانشگاه علامه طباطبایی Journal Article 2025 05 09 The Internet of Things has been introduced as the next revolution in information and communication technology with its high potential to make businesses more productive in various fields, including industries. This productivity is in the field of innovation and providing new capabilities for businesses. Different industries have shown different reactions to the Internet of Things, but what is clear is that the Internet of Things has applications in all businesses and industries. These applications have made significant progress in some industries, such as health and the health sector or transportation, but are developing in other industries, such as agriculture and animal husbandry. In fact, data production based on the Internet of Things will be one of the main pillars in the field of fog data and data science. Therefore, the use of statistical concepts and models used in data science can be used well in this type of data. Among the valid statistical models is Bayesian statistics for fog data, which is the basis for use in this research. In this research, while introducing important and valid concepts used in the field of fog data, the principles of Bayesian statistics for fog data and specifically for data from the Internet of Things have been explained. In practical terms, the social behavior of individuals has been studied in two areas for interest in using vehicles and urban traffic, which has yielded valid results from a scientific and practical point of view. ینترنت اشیاء با دارا بودن قابلیت بسیار بالا برای بهره‌ور نمودن کسب و کارها در حوزه‌های مختلف از جمله صنایع به‌عنوان انقلاب آتی در فناوری اطلاعات و ارتباطات معرفی شده است. این بهره‌وری در زمینه بروز نوآوری و ارائه قابلیت‌های نو برای کسب و کارها است. صنایع مختلف در خصوص اینترنت اشیاء واکنش‌های مختلفی را نشان داده‌اند اما آنچه واضح است این است که اینترنت اشیاء در تمامی کسب و کارها و صنایع دارای کاربرد است. این کاربردها در برخی صنایع مانند بهداشت و حوزه سلامت و یا حمل و نقل پیشرفت چشمگیری داشته اما در صنایع دیگر همچون کشاورزی و دامداری در حال توسعه است. در واقع تولید داده‌ها بر مبنای اینترنت اشیاء از ارکان اصلی در حوزه مه داده‌ها و علم داده‌ها خواهد بود. لذا استفاده از مفاهیم و مدل‌های آماری که در علم داده‌ها مورداستفاده قرار می‌گیرند به‌خوبی می‌توانند در این‌گونه داده‌ها مورداستفاده قرار گیرند. از جمله مدل‌های آماری معتبر آمار بیزی برای مه داده‌ها است که مبنای استفاده در این پژوهش قرار گرفته است. در این پژوهش ضمن معرفی مفاهیم مهم و معتبر که در حوزه مه داده‌ها مورد استفاده قرار می‌گیرند به‌طورخاص اصول آمار بیزی برای مه داده‌ها و به‌طور مشخص برای داده‌های حاصل از اینترنت اشیاء توضیح داده شده است. به‌صورت کاربردی نیز در دو حوزه رفتار اجتماعی افراد برای علاقه‌مندی به استفاده از وسیله نقلیه و ترافیک شهری بررسی شده است که نتایج معتبری از نظر علمی و کار بردی در برداشته است

https://andisheyeamari.irstat.ir/article_723759_828db0d40e279d066e98fa0eb9ead8e7.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Bayesian approach to analyzing count data in longitudinal studies using the generalized Poisson-log-gamma model رهیافت بیزی برای تحلیل داده‌های شمارشی در مطالعات طولی با استفاده از مدل پواسون-لگ‌گامای تعمیم‌یافته 83 95 723761 FA تابان باغفلکی گروه آمار، دانشگاه تربیت مدرس مرضیه کمره ئی گروه آمار، دانشگاه تربیت مدرس اشکان شباک پژوهشکده آمار ایران مجتبی گنجعلی گروه آمار، دانشگاه شهید بهشتی Journal Article 2025 05 09 In the analysis of longitudinal data with count responses, Poisson or negative binomial random effects models with normal distribution assumptions are usually used. In some applications, the distribution of random effects may not be normal. However, misspecification of the distribution of random effects may reduce the efficiency of existing estimators. In this paper, the generalized log-gamma distribution, which includes the normal distribution as a special case, is used as the random effects distribution assumption. Since the frequentist analysis of the model faces complex calculations, Bayesian analysis of this model is introduced and used to analyze several real data sets. The performance of the proposed model has also been evaluated in a simulation study. در تحلیل داده‌های طولی با پاسخ شمارشی معمولاً از مدل اثرهای تصادفی پواسون یا دوجمله ای منفی با فرض توزیعی نرمال برای آنها استفاده می‌شود. ممکن است در برخی از کاربردها، توزیع اثرهای تصادفی نرمال نباشد. این در حالی است که بدمشخص‌سازی توزیع اثرهای تصادفی ممکن است باعث کاهش کارایی برآوردگرهای موجود شود. در این مقاله از توزیع لگ‌گامای تعمیم‌یافته که توزیع نرمال را به عنوان یک حالت خاص در بردارد، به عنوان فرض توزیعی اثرهای تصادفی استفاده شده است. از آنجا که تحلیل فراوانی‌گرای مدل با محاسبات پیچیده مواجه است، تحلیل بیزی این مدل معرفی و برای تحلیل چندین مجموعه‌ی داده‌های واقعی استفاده می‌شود. همچنین در یک مطالعه‌ی شبیه‌سازی عملکرد مدل‌ پیشنهادی مورد ارزیابی قرار گرفته است.

https://andisheyeamari.irstat.ir/article_723761_ba6c7609c2759fc4c798a70a1e86616b.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Bernoulli and the book The Art of Guessing برنولی و کتاب فن حدس زدن 97 102 723762 FA رحیم چینی پرداز گروه آمار- دانشکده علوم ریاضی و کامپیوتر- دانشگاه شهید چمران اهواز بهزاد منصوری گروه آمار- دانشکده علوم ریاضی و کامپیوتر- دانشگاه شهید چمران اهواز Journal Article 2025 05 09 The choice of 2013 as the Year of Statistics is due to two important historical events. One is the publication of James Bernoulli’s influential book The Art of Guessing (Bernoulli 1713) three hundred years ago, and the second is the publication of Bayes’s paper two hundred and fifty years before the Year of Statistics. These two works, published after the death of their authors, undoubtedly had a tremendous impact on the theory of statistics and probability. So much so that Hald (2007) considers the period of growth and development of statistics from Bernoulli to Fisher. This article looks at the book The Art of Guessing. نتخاب سال 2013 به عنوان سال آمار به دو حادثه‌ی مهم تاریخی بر می گردد. یکی انتشار کتاب تاثیر گذار «فن حدس زدن» (برنولی ۱۷۱۳) توسط جیمز برنولی در سیصد سال قبل و دوم انتشار مقاله بیز در دویست و پنجاه سال قبل از سال آمار است. بدون تردید این دو اثر که بعد از مرگ نویسندگان خود منتشر شدند، تاثیر شگرفی در تئوری آمار و احتمال داشته‌اند. به طوری که هالد (2007) دوران رشد و تکامل آمار را از برنولی تا فیشر می داند. در مقاله حاضر نگاهی به کتاب «فن حدس زدن» شده است.

https://andisheyeamari.irstat.ir/article_723762_9943621a7ec28be70856b274d827ce07.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Coefficient spatial regression model for relative risk factors in esophageal cancer patients. مدل رگرسیون فضایی ضریب متغیر برای عوامل خطر نسبی بیماران سرطان مری 103 112 723763 FA کیمیا کاظمی گروه آمار، دانشکده علوم ریاضی، دانشگاه تربیت مدرس محسن محمدزاده گروه آمار، دانشکده علوم ریاضی، دانشگاه تربیت مدرس Journal Article 2025 05 09 In conventional methods used to model spatial survival data and the factors affecting it, it is often assumed that the coefficients of explanatory variables in different regions of the study area have the same effect on survival time, and usually the spatial correlation of data is considered in the model through a random effect. However, in many practical problems, the factors affecting survival time and relative risk do not have the same effects in different regions. In this paper, the effects of factors affecting relative risk that are not the same in different regions are examined. For this purpose, spatial regression and spatial variable coefficient models are introduced and the Bayesian estimation of their parameters is presented. Then, three regression models, classical regression, spatial regression, and spatial variable coefficient regression, are used to model the factors affecting the excess relative risk of esophageal cancer patients, and the risk caused by different factors is examined and evaluated. در روش‌های متداولی که برای مدل‌بندی داده‌های بقای فضایی و عوامل موثر بر آن استفاده می‌شوند، اغلب فرض بر آن است که ضرایب متغیرهای تبیینی در مناطق مختلف ناحیه مورد مطالعه تاثیر یکسانی بر زمان بقا دارند و معمولا همبستگی فضایی داده‌ها از طریق یک اثر تصادفی در مدل لحاظ می‌شود. اما در بسیاری از مسائل کاربردی عوامل موثر بر زمان بقا و خطر نسبی، در مناطق مختلف اثرات یکسانی ندارند. در این مقاله، اثرات عوامل موثر بر خطر نسبی که در مناطق مختلف یکسان نیستند، مورد بررسی قرار می‌گیرد. برای این منظور مدل‌های رگرسیون فضایی و ضریب متغیر فضایی معرفی و نحوه برآورد بیزی پارامترهای آن‌ها ارائه می‌شود. سپس سه مدل رگرسیون کلاسیک، رگرسیون فضایی و رگرسیون فضایی ضریب متغیر برای مدل‌بندی عوامل موثر بر خطر نسبی مازاد بیماران سرطان مری استفاده شده و خطر ناشی از عوامل مختلف مورد بررسی و ارزیابی قرار می‌گیرد.

https://andisheyeamari.irstat.ir/article_723763_7a63d39999a1174fbb814f02e47bb68d.pdf

انجمن آمار ایران اندیشه آماری 1026-8944 25 2 2021 02 19 Empirical Bayes estimates of correlation types for longitudinal-dynamic data in heterogeneous hierarchical models براورد‌های بیز تجربی انواع همبستگی برای داده‌های طولی-دینامیکی در مدلهای سلسله مراتبی ناهمگن 113 120 723764 FA سید کامران قریشی گروه آمار، دانشگاه قم غزال سادات قریشی دبیرستان فرزانگان ،٢ تهران Journal Article 2025 05 09 In this paper, we first define two-level longitudinal-dynamic hierarchical models. These models are designed to fit longitudinal data sets where the dependency structure is not derived from observations but from a second-level model, which is a dynamic model for the parameters of the hierarchical model. First, we will discuss different methods for estimating the superparameters of two-level longitudinal-dynamic hierarchical models. Then, we will present the corresponding types of estimation for the superparameter that is the factor that creates the correlation in this model. This is followed by a simulation study along with the analysis of a real data set. در این مقاله ابتدا مدل‌های سلسله مراتبی طولی-دینامیکی دو سطحی را تعریف خواهیم کرد. این مدل‌ها برای برازش مجموعه داده‌های طولی که ساختار وابستگی نه از طریق مشاهده‌ها بلکه از طریق مدل سطح دوم، که یک مدل دینامیکی برای پارامترهای مدل سلسله مراتبی است، ایجاد‌ می‌شود. ابتدا روش‌های مختلف براورد ابر پارامترهای مدل‌های سلسله مراتبی دو سطحی طولی-دینامیکی بحث خواهد شد سپس انواع براورد متناظر برای ابر پارامتری که عامل ایجاد همبستگی در این مدل است ارائه خواهد شد. در ادامه یک مطالعه شبیه سازی به همراه تحلیل یک مجموعه داده واقعی خواهد آمد.

https://andisheyeamari.irstat.ir/article_723764_833db2d1f2a45e542c6a7865d2f6f01d.pdf