https://andisheyeamari.irstat.ir/ اندیشه آماری fa daily 1 Wed, 19 Feb 2025 00:00:00 +0330 Wed, 19 Feb 2025 00:00:00 +0330 https://andisheyeamari.irstat.ir/article_733257.html در محیط‌های صنعتی، دستیابی به تولیدات با کیفیت نیازمند نظارت مستمر بر فرایندها برای کاهش ضایعات و افزایش بهره‌وری است. کنترل کیفیت آماری ابزاری مؤثر برای ارزیابی فرایندها به‌شمار می‌آید و نمودار کنترل به‌عنوان یکی از ابزارهای اصلی آن، نقش مهمی در شناسایی و نظارت تغییرات فرایند ایفا می‌کند. هدف این مقاله، ارزیابی عملکرد نمودار کنترل ترکیبی حاصل از تلفیق نمودارهای میانگین متحرک دوگانه و میانگین متحرک موزون نمایی‎، می‌باشد.‎ برای ارزیابی عملکرد نمودارهای کنترل، ابتدا طول دنباله با استفاده از شبیه‌سازی مونت‌کارلو محاسبه می‌شود. سپس، معیارهای جدید میانه طول دنباله و انحراف معیار طول دنباله، در کنار معیار رایج متوسط طول دنباله، برای آنها به‌دست آمده و توانایی نمودارهای کنترل در شناسایی تغییرات کوچک فرایند براساس این معیارهای جدید مورد ارزیابی قرار گرفته است. نتایج نشان می‌دهد که نمودارهای کنترل ترکیبی نسبت به نمودارهای ارائه شده در متون قبلی، در شناسایی تغییرات کوچک حساس‌تر بوده و ابزاری مؤثرتری برای ارتقاء کیفیت و بهبود مستمر فرایندهای تولید می‌باشند. https://andisheyeamari.irstat.ir/article_732975.html با گسترش فناوری‌های ارتباطی و افزایش ضریب نفوذ تلفن همراه، حجم زیادی از داده‌های موقعیت‌یابی در جوامع تولید می‌شود. در صورت استفاده صحیح و قانونی، این داده‌ها منبعی ارزشمند برای تولید آمار رسمی در حوزه‌هایی مانند مهاجرت، گردشگری، جابجایی در بحران، حمل‌ونقل و مدیریت بحران هستند. مقاله حاضر با هدف بررسی ظرفیت‌ها و محدودیت‌های به‌کارگیری داده‌های موقعیت‌یابی تلفن همراه و تبیین روش‌شناسی تولید آمار مبتنی بر این داده‌ها در نظام آماری کشور تدوین شده است.با توجه به نبود منابع فارسی در این حوزه، این پژوهش تلاش می‌کند تا با مرور جامع ادبیات بین‌المللی و تحلیل یک مجموعه‌داده واقعی، چارچوبی کاربردی برای استفاده از داده‌های تلفن همراه در تولید آمار رسمی ارائه دهد.در این چارچوب، ضمن معرفی انواع داده‌های تلفن همراه و مرور کاربردهای آن‌ها در تولید آمار، الزامات قانونی، اخلاقی و فنی بهره‌گیری از این داده‌ها، مورد بررسی قرار گرفته است. همچنین، روش‌شناسی استخراج و پردازش داده‌های موقعیت‌یابی تلفن همراه تشریح شده و مطالعه‌ای موردی بر پایه مجموعه‌داده مرتبط با الگوهای تحرک شهری انجام شده است. دستاورد اصلی پژوهش، مستندسازی تجربیات و انتقال دانش فنی برای بومی‌سازی و بهره‌برداری از این نوع داده‌ها در نظام آماری کشور است. مطالعه موردی نشان داد که بحران‌ها به‌طور قابل‌توجهی تحرک کاربران را کاهش می‌دهند، به‌طوری که تعداد افرادی که جابه‌جایی دارند کمتر شده و ترددها در مناطق خاصی متمرکز می‌شود. https://andisheyeamari.irstat.ir/article_733260.html روش‌های سنتی آماری با گسترش داده‌های فضایی با ساختار مکانی-زمانی پیچیده با چالش‌های جدی مواجه شده‌اند. این داده‌ها به دلیل خودهمبستگی مکانی، ناهمسانی واریانس و وابستگی‌های جغرافیایی پیچیده، نیازمند روش‌های تخصصی هستند. در این پژوهش، رگرسیون بردار پشتیبان به‌عنوان یک روش نوین برای تحلیل و مدل‌سازی ساختار پیچیدی فضایی داده‌های زمین آماری مربوط به مقادیر کلسیم و منیزیم موجود در خاک معرفی می‌شود. این تحلیل بر اساس مختصات جغرافیایی مختلف (شرقی–غربی و شمالی–جنوبی)، در دو عمق ۰ تا ۲۰ و ۲۰ تا ۴۰ سانتی‌متر و در سه منطقه‌ی جغرافیایی متنوع انجام گرفته است. روش رگرسیون بردار پشتیبان با توانایی مدل‌سازی روابط غیرخطی پیچیده و در عین حال حفظ ساختار فضایی داده‌ها، امکان پیش‌بینی دقیق‌تر و واقع‌بینانه‌تر توزیع عناصر تغذیه‌ای خاک را فراهم می‌سازد. این رویکرد، با بهره‌گیری از توابع هسته، قابلیت تحلیل فضاهای ویژگی با ابعاد بالا و پیچیدگی‌های ساختاری را فراهم می‌آورد و اثربخشی خود را در برابر جملات اختلال و داده‌های پرت اثبات می‌کند. برای سنجش دقیق کارایی رگرسیون بردار پشتیبان، عملکرد آن در برابر رگرسیون ریج مورد ارزیابی مقایسه‌ای قرار می‌گیرد. https://andisheyeamari.irstat.ir/article_734247.html اصل دلیل ناکافی یا اصل بی تفاوتی، یک اصل اولیه احتمال نیست. اما پایه و اساس تعریف احتمال کلاسیک (منطقی) است. آیا این اصل از نظر فلاسفه آمار قابل قبول است؟ چندین پارادکس در رد این اصل ارائه شده است. با وجود اینکه پارادکس ها رفع نشده اند، اما هنوز مهم ترین تعریف از احتمال، احتمال کلاسیک است. در این مقاله اصل دلیل ناکافی، منشا و پارادکس های آن مورد ارزیابی قرار می گیرد. https://andisheyeamari.irstat.ir/article_735098.html این مطالعه با هدف بررسی و مقایسه کیفی عملکرد چند ابزار مبتنی‌بر هوش مصنوعی در آموزش مفاهیم واریانس و انحراف معیار با رویکرد کیفی و به روش مطالعه موردی انجام شد. جامعه آماری، ابزارهای مبتنی بر هوش مصنوعی با کاربرد در آموزش آمار بود. نمونه‌گیری به‌صورت هدفمند و بر اساس دسترسی‌پذیری و توانایی تولید محتوای آماری انجام و پنج ابزار Gemini، ChatGPT، MathGPT، MagicSchool و DeepSeek انتخاب شد. داده‌ها نیز با چهار دستور ورودی جمع‌آوری شد و برای ارزیابی پاسخ‌های هوش مصنوعی به این چهار دستور ورودی، از معیارهایی مانند وضوح، جذابیت، ساختار، تعامل، ارتباط با دنیای واقعی و تناسب با دانش‌آموزان استفاده شد. تحلیل داده‌ها با استفاده از کدگذاری به کمک نرم‌افزار MAXQDA انجام شد و پایایی تحلیل‌ها با ضریب کاپا (8/0) تأیید گردید. یافته‌ها نشان داد که ابزارهای هوش مصنوعی می‌توانند با ارائه محتوای جذاب و مرتبط با دنیای واقعی، یادگیری آمار را بهبود بخشند، اما محدودیت‌هایی نظیر کمبود خلاقیت یا دقت ناکافی دارند. به طور کلی، در این زمینه، ابزارهای مختلف عملکرد متفاوتی از خود نشان دادند. Gemini و DeepSeek در ارائه طرح درس‌های دقیق و منسجم، ChatGPT در طراحی سؤالات تحلیلی و تصاویر بصری جذاب، MagicSchool در تسهیل فعالیت‌های گروهی و اصلاح خطاهای رایج، و MathGPT در ارائه محتوای قابل درک در ارتباط با مفاهیم واریانس و انحراف معیار، عملکرد نسبتاً بهتری داشته‌اند. ترکیب این ابزارها با نظارت معلم که برای حفظ سلامت آکادمیک ضروری است، می‌تواند سواد آماری و تفکر انتقادی را تقویت کرده و آنها را برای مواجهه با چالش‌های دنیای داده‌محور آماده کند. https://andisheyeamari.irstat.ir/article_736944.html زمان پاسخگویی اورژانس در حوادث ترافیکی، یکی از عوامل تعیین‌کننده در کیفیت خدمات پزشکی اورژانس پیش‌بیمارستانی به‌شمار می‌رود. پیش‌بینی این زمان به تصمیم‌گیرندگان امکان می‌دهد تا با بهبود کارایی خدمات فوریت‌های پزشکی، زمان پاسخگویی را کاهش دهند. داده‌های مربوط به زمان پاسخگویی اورژانس از نوع داده‌های زمان تا رویداد هستند. یکی از ویژگی‌های اصلی این داده‌ها، وابستگی آن‌ها به مدت زمان است. برای در نظر گرفتن این ویژگی، معمولاً از مدل‌های نرخ خطر مبنا استفاده می‌شود؛ با این حال، عملکرد این مدل‌ها با توجه به فرضیاتی که دارند ممکن است با محدودیت‌هایی همراه باشد. در مقابل، مدل‌های یادگیری ماشین به‌عنوان رویکردی جایگزین برای مدل‌سازی زمان پاسخگویی اورژانس هستند. مزیت اصلی این مدل‌ها در آن است که به فرضیات محدودکننده مدل‌های نرخ خطر مبنا وابسته نیستند و می‌توانند روابط غیرخطی و تعاملی میان متغیرها را در نظر بگیرند. در این مطالعه از یک مدل شبکه عصبی مبتنی بر تحلیل بقا استفاده شده است که به‌طور هم‌زمان توانایی برآورد تابع بقا و پیش‌بینی زمان پاسخگویی اورژانس را دارد. این مدل با بهره‌گیری از مفهوم یادگیری چند وظیفه‌ای می‌تواند وابستگی به مدت زمان را هنگام پیش‌بینی زمان پاسخگویی، از طریق برآورد هم‌زمان تابع بقا در نظر بگیرد. با تحلیل ‏تعداد 28505 گزارش مربوط به تصادفات ثبت‌شده در اورژانس شهر مشهد، عملکرد مدل ارائه شده بررسی و با مدل‌های آماری و سایر روش‌های یادگیری ماشین مقایسه شده است. نتایج نشان می‌دهد که مدل ارائه‌شده می‌تواند به‌عنوان جایگزینی کارآمد برای روش‌های متداول در پیش‌بینی زمان پاسخگویی اورژانس مورد استفاده قرار گیرد. https://andisheyeamari.irstat.ir/article_736945.html مدیریت ریسک فرآیندی مهم برای تصمیم گیری درمورد سرمایه گذاری محسوب می شود که شامل تجزیه و تحلیل ریسک در یک سرمایه گذاری و تصمیم گیری در مورد پذیرش یا عدم پذیرش آن ریسک با توجه به بازده مورد انتظار برای سرمایه گذاری است. روش های پارامتری، ناپارامتری و نیمه پارامتری مختلفی برای اندازه گیری و تحلیل ریسک در بازارهای مالی وجود دارد، اما دو روش اصلی و پرکاربرد، ارزش در معرض خطر و کمبود مورد انتظار هستند. در این مقاله، روشی برای برآورد کمبود مورد انتظار ارائه می شود که در آن از روش های مختلف برآورد ارزش در معرض خطر و از مدل های سری زمانی GARCH − ARMA برای پیش بینی نوسانات آینده استفاده می شود. در نهایت، این روش بر روی داده های واقعی آزمایش شده و با آزمون بازخور برتری آن نسبت به روش پارامتری نشان داده می شود. در نهایت، این روش بر روی داده های واقعی آزمایش شده و با آزمون بازخور برتری آن نسبت به روش پارامتری نشان داده می شود. https://andisheyeamari.irstat.ir/article_737138.html مدل‌سازی داده‌های غیرخطی، به دلیل وجود روابط پیچیده و ساختارهای پنهان، مستلزم بهره‌گیری از رهیافت‌هایی فراتر از مدل‌های خطی کلاسیک است. در این پژوهش، به‌منظور ارزیابی عملکرد روش‌های مختلف استنباط بیزی در مدل‌سازی غیرخطی، از چارچوب شبکه‌های عصبی بیزی استفاده شده است. سه روش پرکاربرد در این حوزه شامل الگوریتم همیلتونی مونت‌کارلو، نمونه‌گیری تطبیقی بدون بازگشت و استنباط واریاسیونی، در قالب یک مدل رگرسیون غیرخطی پیاده‌سازی و با یکدیگر مقایسه شده‌اند. تحلیل‌ها بر روی داده‌های شبیه‌سازی‌شده و همچنین یک مجموعه‌داده واقعی انجام شده و عملکرد روش‌ها بر اساس معیارهایی همچون دقت پیش‌بینی، کیفیت برآورد توزیع پسین و زمان محاسباتی مورد ارزیابی قرار گرفته است. نتایج نشان می‌دهد که روش‌های مبتنی بر نمونه‌گیری، به‌ویژه در تقریب دقیق‌تر توزیع پسین، عملکرد مطلوب‌تری دارند و در مقابل، استنباط واریاسیونی با وجود اندکی افت در دقت نسبت به روش‌های نمونه‌گیری، به دلیل سرعت محاسباتی بالا و همگرایی سریع، برآوردهای قابل قبولی ارائه می‌دهد. https://andisheyeamari.irstat.ir/article_737336.html داده‌های جهتی (زاویه‌ای)، شامل داده‌های دایره‌ای و کروی، در بسیاری از حوزه‌های علمی مانند بوم‌شناسی، پزشکی، زیست‌شناسی، هواشناسی، بخش‌های مالی، نجوم، علوم زمین، یادگیری ماشین و هوش مصنوعی کاربرد دارند. مدل‌سازی وابستگی بین چنین داده‌هایی به دلیل ماهیت تناوبی و غیرخطی زوایا، همواره با چالش‌های اساسی روبه‌رو بوده است. در دهه‌های اخیر، مفصل‌ها به‌عنوان ابزاری نیرومند برای جداسازی ساختارهای حاشیه‌ای از وابستگی توأم، جایگاه ویژه‌ای در آمار یافته‌اند. با این حال، تعمیم مفصل‌ها به داده‌های جهتی، شامل مفصل‌های دایره‌ای-خطی، دایره‌ای-دایره‌ای و کروی-کروی، مسیر پژوهشی پیچیده و پیوسته‌ای را طی کرده است. در این مقاله، با رویکرد زمانی-موضوعی، سیر تاریخی، روش‌های ساخت، کاربردها، معیارهای وابستگی، روش‌های برآوردیابی و آزمون‌های نیکویی برازش برای مفصل‌های جهتی مرور می‌شود. https://andisheyeamari.irstat.ir/article_737343.html در این مقاله یک خانواده جدید از توزیع‌ها به نام خانواده توزیع‌های لگ-لجستیک تعمیم‌یافته بتا مارشال-اولکین با اضافه کردن سه پارامتر شکل تعریف شده است. این توزیع تعمیمی از برخی توزیع‌های معروف مانند توزیع لگ-لجستیک است. برآورد پارامترهای این مدل با استفاده از روش‌های گشتاوری، ماکسیمم درستنمایی و بیزی ارائه شده و با یکدیگر مقایسه شده است. این مدل به یک مجموعه داده واقعی برازش می‌شود تا انعطاف‌پذیری آن در برازش به داده‌های طول عمر نسبت به برخی توزیع‌های رقیب نشان داده شود. مشخص شد که این مدل، نسبت به مدل‌های رقیب، برازش بهتری به داده‌ها دارد، بنابراین مدل گ-لجستیک تعمیم‌یافته بتا مارشال-اولکین می‌تواند به عنوان یک مدل مناسب برای برازش به داده‌های طول عمر در نظر گرفته شود. https://andisheyeamari.irstat.ir/article_737344.html یکی از چالش‌های اصلی در رگرسیون چندنمونه‌ای، انتخاب همزمان نمونه‌های مؤثر درون هر کیسه و متغیرهای مرتبط با پاسخ است. در این پژوهش، چارچوب رگرسیون چندنمونه‌ای بیزی مبتنی بر جستجوی تصادفی شات‌گان (MIR-SSS) برای تحلیل داده‌های بیماران سوختگی به کار گرفته شد و عملکرد آن با دو روش مرجع شامل رگرسیون وزنی تجمیعی (APW) و لاسو بر روی نمایش سطح بسته مقایسه گردید. در این چارچوب، انتخاب متغیرها با استفاده از پیشین اسپایک-اسلب و انتخاب نمونه‌ها از طریق مدل لوژستیک انجام می‌شود. عملکرد روش‌ها ابتدا در چهار سناریوی شبیه‌سازی با سطوح مختلف تنکی و پراکندگی و سپس بر روی داده‌های واقعی 2024 بیمار بستری در بیمارستان سوختگی امیرالمؤمنین شیراز بررسی شد. نتایج شبیه‌سازی نشان داد که مدل MIR-SSS در سناریوهای پایه کمترین خطای پیش‌بینی و دقت بالایی در انتخاب متغیرهای مؤثر دارد، هرچند در شرایط پراکندگی بالا و حضور داده‌های پرت، روش APW از نظر خطای پیش‌بینی عملکرد بهتری نشان داد. مقادیر سطح زیر منحنی ROC نیز توانایی مدل در شناسایی نمونه‌های مؤثر را تأیید کرد. در تحلیل داده‌های واقعی، مدل MIR-SSS نسبت به دو روش مرجع عملکرد پیش‌بینی بهتری ارائه داد و چندین عامل بالینی مرتبط با پیامد بیماران را شناسایی کرد. نتایج نشان می‌دهد که این چارچوب ابزاری تفسیرپذیر برای انتخاب همزمان نمونه‌ها و متغیرها بوده و امکان کمی‌سازی عدم‌قطعیت را در تحلیل داده‌های پیچیده پزشکی فراهم می‌کند. https://andisheyeamari.irstat.ir/article_738705.html توصیف رابطه بین دو یا چند متغیر تصادفی، یکی از مسائل اساسی در آمار و احتمال است. این مقاله در دو قسمت تدوین شده و به مرور تاریخی و ساختاری معیارهای اندازه‌گیری وابستگی از قرن هجدهم تا امروز می‌پردازد. قسمت اول به مفاهیم بنیادی اختصاص دارد: تعاریف نخستین از استقلال و وابستگی در آثار دموآر، بیز و لاپلاس، ظهور مفهوم همبستگی در کارهای گالتون و فرمول‌بندی ریاضی آن توسط پیرسون، محدودیت‌های ضریب همبستگی گشتاوری، و معرفی ضرایب ناپارامتری مبتنی بر رتبه. در ادامه، نقش نظریه مفصل و قضیه اسکلار در جداسازی ساختار وابستگی از توزیع‌های حاشیه‌ای تبیین می‌گردد. قسمت دوم به معیارهای جدیدتر و تعمیم معیارهای کلاسیک‌ می‌پردازد: معیارهای شدت وابستگی، وابستگی غیریکنوا و معیارهای مدرن برای داده‌های با ابعاد بالا، خودهمبستگی و وابستگی سریالی، وابستگی دمی و چندکی، تعمیم‌های چندمتغیره و برداری، معیارهای وابستگی برای داده‌های گسسته و ترکیبی، کاربردها در نظریه احتمال، و پیاده‌سازی در نرم‌افزارهای آماری. این مقاله با ارائه مروری جامع بر معیارهای کلاسیک و مدرن، می‌تواند منبعی مفید برای پژوهشگران حوزه آمار، داده‌کاوی و یادگیری ماشین باشد. https://andisheyeamari.irstat.ir/article_741590.html ‎فرض استقلال و گاوسی بودن عوامل ابداع از فرض‎‎‌های معمول در مطالعە‌ی مدل‌های سری زمانی ‎‎هستند. اما در بعضی از پژوهش‌ها و مطالعات کاربردی این فرضیات باعث ایجاد محدودیت می‌شوند‏، به‌عبارت دیگر با مواردی مواجه می‌شویم که عوامل ابداع مستقل نیستند و یا از توزیع گاوسی پیروی نمی‌کنند. در این مقاله مدل خودهمبسته با عوامل ابداع همبسته و غیرگاوسی در نظر گرفته شده است. ‎همچنین‎‎ فرض می‌شود که مدل درست مجهول ‎‎است‏‏، بنابراین به‌منظور انتخاب مدل‏ بهینه مدل‌های رقیب پیشنهاد می‌شوند. پارامترهای مجهول مدل‌های رقیب با استفاده از روش درستنمایی ماکسیمم تعدیل‌یافته برآورد شده است. در نهایت با استفاده از معیارهای اطلاع ازجمله معیار اطلاع آ کائیه و آزمون‌های انتخاب مدل مانند آزمون وونگ به انتخاب مدل بهینه از بین مدل‎‎‌های رقیب پرداخته شده است. با استفاده از شبیە‌سازی‏، عملکرد روش درستنمایی ماکسیمم ‎‎تعدیل‌یافته در برآورد پارامترهای مجهول مورد مطالعه قرار گرفته و همچنین نشان داده شده است که معیارها و آزمون‌های انتخاب مدل، نزدیک‌ترین مدل به مدل درست را بە‌عنوان مدل بهینه انتخاب می‌کنند.