چکیده انتخاب متغیر یکی از مهم­ترین و پرچالش­­ترین بخش­های مدل­سازی آماری است؛ زیرا انتخاب نادرست متغیرهای پیشگو در مدل نهایی، منجر به کم­ برازشی یا بیش برازشی خواهد شد.   در روش­های انتخاب متغیر، قابلیت کنترل ­نرخ ­کشف ­نادرست در مرحله استنتاج پس از انتخاب­ تحقیق، بسیار مهم است. به نسبت متغیرهای کمکی که به اشتباه انتخاب شده­اند، در بین همه­ی متغیرهای منتخب، نرخ کشف نادرست گفته می­شود. کنترل نرخ کشف خطا، از دیرباز با رویکردهای مختلف برای دستیابی به یک راه­ حل بهینه بسیار مورد مطالعه قرار گرفته است.   اخیراً خانواده جدیدی از روش‌های کنترل FDR به نام «فیلترهای   Knockoff » معرفی شده­اند. در این پایان­نامه به بررسی موضوع انتخاب ­متغیر در مدل­های ­رگرسیونی و کنترل نرخ کشف خطا با انواع نسخه­های knockoff، از جمله knockoffهای ثابت-X و knockoffهای مدل-X است که می­تواند ساختار مناسب بین متغیر­های موجود را تقلید و نرخ­کشف­خطا را تا حدود قابل قبولی کنترل کند.   عملکرد هریک از انواع روش­های knockoff با یکدیگر و همچنین با برخی از روش­های متداول برای کنترل نرخ کشف خطا   مورد بررسی قرار خواهد گرفت. کارایی مدل­های ارائه­شده با استفاده از داده­های حاصل از شبیه­سازی مورد بررسی قرار گرفته­است.    کلیدواژه

   هدف: یکی از با اهمیت‌ترین جریاناتی که هر مجموعه‌ای برای تضمین بقاء و اطلاع از کیفیت عملکرد و اجرای دقیق برنامه‌های خود به آن نیاز دارد فرآیند ارزیابی می‌باشد. در همین راستا پژوهش حاضر با هدف مقایسه تطبیقی مدل‌های ارزیابی عملکرد شرکت‌های کشاورزی و دامپروری استان کرمانشاه و ارائه مدل بهینه ارزیابی عملکرد انجام شد. روش شناسی پژوهش: پژوهش با روش کیفی و اسنادی انجام شد. به منظور دستیابی به اهداف پژوهش ابتدا بامطالعه متون منتخب و مرور اسنادی پژوهش‌های مرتبط با مدل‌های رایج ارزیابی عملکرد، شاخص‌ها و مولفه‌های اصلی مورد نظر برای ارزیابی عملکرد سازمان‌ها وشرکت ها دسته بندی شدند، سپس برای هر کدام از مدل‌های ارزیابی عملکرد شاخص‌ها و مولفه‌های آن مدل ارزیابی و گردآوری شد و نهایتاً بر اساس شاخص‌های به دست آمده به مقایسه مدل‌های ارزیابی عملکرد پرداخته شد. روش‌های تحلیل اطلاعات تحلیل مضمون و شاخص‌های آماری توصیفی بود. یافته‌ها: نتایج به دست آمده از پژوهش نشان داد که از میان مدل‌های ارزیابی عملکرد، مدل ارزیابی متوازن مدل جامع‌تر و بهینه‌تری است و نتایج کامل‌تر و مولفه‌های بیشتری را جهت ارزیابی جامع و صحیح عملکرد شرکت‌های کشاورزی و دامپروری نسبت به سایر مدل‌ها ارائه می‌دهد. نتیجه گیری: با توجه به نتایج به دست آمده می‌توان گفت که از میان مدل‌های ارزیابی عملکرد، مدل ارزیابی متوازن مدل بهینه‌تر و کارامدتری جهت ارزیابی عملکرد در شرکت‌های کشاورزی و دامپروری است. کلیدواژه‌ها:

شهرستان‌ها را روی تعداد بیکاران مورد بررسی و تفسیر قرار می‌دهیم.   

یکی از عوامل مهم در بررسی آموزش، پیش‌بینی پیشرفت ‌تحصیلی است و استفاده از فنون داده‌کاوی یکی از راه‌کار‌های نوین پیش‌بینی پیشرفت ‌تحصیلی است. در این پایان‌نامه، فنون داده‌کاوی در دو بخش روش‌های ساده شامل درخت‌ تصمیم، جنگل تصادفی، $K$-نزدیک‌ترین همسایه و بخش روش‌های پیچیده‌تر شامل ماشین ‌بردار ‌پشتیبان و شبکه عصبی مورد مطالعه قرار گرفته‌اند. همچنین دقت این روش‌ها بر روی مجموعه داده‌های مربوط به دانشجویان دانشگاه رازی از سال 1375 تا 1401 در مقطع کاردانی و کارشناسی مورد بررسی و مقایسه قرار گرفته است. از روش‌های بررسی شده جنگل تصادفی بیشترین دقت پیش‌بینی را نتیجه داده است اما از لحاظ سرعت پاسخ‌دهی هزینه محاسباتی بالایی دارد. روش $K$-نزدیک‌ترین همسایه از لحاظ دقت خیلی نزدیک به روش جنگل تصادفی است با این تفاوت که زمان اندکی لازم است تا خروجی‌ها حاصل شوند.   

یکی از مهم‌ترین چالش‌ها در بحث داده‌های سانسور فزاینده نوع دو، طرح برداشت است. طرح برداشت می‌تواند ثابت باشد و یا به صورت تصادفی، بر اساس یک تشخیص احتمال گسته‌ای، انتخاب شود.در این پایان نامه، ابتدا دو طرح برداشتی یکنواخت گسته و دوجمله ارائه می شود. همچنین به استنباط بیزی توزیع‌های پارتو بر اساس داده‌های سانسور فزاینده نوع دو با برداشت دوجمله‌ای تحت توزیع پیشین ناآگاهی بخش جفری و آگاهی بخش گاماتوان با توابع زیان توان دوم خطا و قدر مطلق خطا می‌پردازیم و با استفاده از روش‌های شبیه‌سازی و شبیه‌سازی‌ها، بازدیدکنندگان، میزان اریبی، واریانس، میانگین مربع خطا، کوواریانس، دترمینان و میانگین زمان مورد انتظار برای آزمایش می‌شوند، سپس با روش ارزیابی کلاسیک (ماکسیمم درستنمایی) مقایسه می‌کنیم و از نظر احتمال پوشش را نیز تحت عنوان توابع زیان به دست می‌آوریم. در نهایت به مطالعه‌های بیز مورد انتظار و سلسله مراتبی از توزیع پارتو تحت توابع زیان پرداخته می‌شود و سپس دو روش باهم مقایسه می‌شوند و نتایج حاصل از آن در فصل شبیه‌سازی، با استفاده از روش مونت کارلو ارائه می‌شود.

  در بسیاری از کاربردها داده­های مورد بررسی به شکل مکان یا موقعیت جغرافیای رخداد پیش­آمدهایی است که در یک ناحیه رخ داده­اند. در این پایان­نامه با داده­های مکان سلول­های اندوتلیوم قرنیه­ی چشم 153 نفر مواجه هستیم. در اینجا برای تجزیه و تحلیل مناسب این داده­ها الگوهای نقطه­ای فضایی را به این تصاویر مرتبط ساخته­ایم تا بتوانیم بر اساس الگوریتم­های خوشه­بندی مربوط به الگوهای نقطه­ای فضایی گروهی از تصاویر که شباهت زیادی به یکدیگر دارند را در خوشه­های یکسان دسته­بندی کنیم. برای بررسی موارد عدم­تشابه ازتابع فاصله­ی نزدیکترین همسایگی، تابع فضای خالی، تابع Kی-ریپلی و... استفاده شده است.

چکیده حجم زیاد داده‌ها باعث افزایش زمان محاسبات می‌شود، بنابراین الگوریتم‌های داده‌کاوی نمی‌توانند از همه‌ی داده‌ها در تمام طول زمان اجرای برنامه استفاده کنند. لذا به کارگیری روش‌های نمونه‌گیری در مه داده راه کار مناسبی است. در بررسی آماری جوامع فضایی دو یا چند‌بعدی، کسب اطلاعات از همه‌ی نواحی مورد مطالعه اهمیت زیادی دارد. از آن‌جا که بررسی تمامی داده‌ها مشکل و یا غیر ممکن است، باید اطلاعات لازم را از طریق بررسی بخشی داده‌ها را به عنوان نمونه به دست آورد. در این حالت می‌توان با استفاده از روش $LPM2-kd tree$ نمونه‌ی مناسب را انتخاب نمود. همچنین در تحلیل مه داده، اریبی انتخاب در مه داده بسیار مهم است، به همین علت روشی را برای کاهش اریبی انتخاب معرفی می‌کنیم. در این روش با استفاده از روش نمونه‌گیری از نقاط مهم، روش نمونه‌گیری وارونی که توسط کیم (2019) ارائه شده است، معرفی خواهیم کرد. که خواص این روش‌های نمونه‌گیری در محاسبات عددی بر روی دو جامعه‌ی واقعی مورد بررسی قرار گرفته است. کلمات کلیدی: اریبی انتخاب، داده‌کاوی، خوشه‌بندی، کشف دانش، نمونه‌گیری با احتمال نابرابر، نمونه‌گیری وارون، مه داده

موضوع رده‌بندی یکی از مسائل مهم در علوم مختلف است. رگرسیون لجستیک یکی از روش‌های آماری برای رده‌بندی داده‌ها است که در آن توزیع داده‌ها معلوم فرض می‌شود. امروزه علاوه بر روش‌های آماری محققان روش‌های دیگر مانند یادگیری ماشین برای رده‌بندی داده استفاده می‌کنند. در این پایان‌نامه درخت‌های تصمیم C4.5، C5 ،   CART، CHAID وQUEST معرفی شده و هرکدام به طور کامل مورد بررسی قرار می‌گیرد. همچنین برخی از الگوریتم‌های یادگیری گروهی از جمله جنگل تصادفی، Bagging   و    Boosting در حوزه یادگیری با نظارت توضیح داده می‌شود. در نهایت به مقایسه   کارایی این الگوریتم‌ها   براساس معیار دقت، با استفاده از 5 مجموعه داده می‌پردازیم.   

  یکی از مسائل اساسی در آمار، مدلبندی پدیده‌های تصادفی

همه ی ما ناراحتی انتظارکشیدن درصف را تجربه کرده ایم.علت اصلی تشکیل صف این است که تقاضا برای سرویس بیش ازامکانات سرویس دهی است. در دنیای امروز با توجه به پیشرفت تکنولوژی، سازمان ها در تلاش هستند که از رقبا پیشی بگیرند و این جز با برنامه ریزی دقیق و به کارگیری صحیح منابع و امکانات امکان پذیر نیست. بنابراین مدیران با توجه به پیچیدگی سیستم ها، باید با استفاده از ابزارهای مناسب مانند برنامه ریزی خطی، برنامه ریزی پویا، برنامه ریزی اعداد صحیح، شبیه سازی، تئوری صف و ... که برای تحلیل سیستم های وجود دارند، برنامه‌ریزی صحیحی انجام داده و از به هدر رفتن منابع جلوگیری کنند. . دراین تحقیق مفاهیم لازم برای یادگیری صف وصف بندی ونیز شیوه ی شبیه سازی مدل هایی ازصف بندی ارائه گردیده است.کلید واژه: سیستم صف بندی، تئوری صف، الگوی ورود متقاضیان،الگوی سرویس،نظم صف،ظرفیت یا گنجایش سیستم،تعدادمتقاضیان درسیستم،شبیه سازی   

سیستم k از n وزنی، سیستمی است با n مولفه که هر مولفه وزن مشخصی دارد و کار می کند زمانی که مجموع وزن مولفه های فعال آن حداقل k باشد. پژوهش ها و مطالعات بسیاری در خصوص ویژگی های این سیستم ها انجام شده است. در این رساله به مطالعه قابلیت اعتماد این سیستم ها و برخی از ویژگی های آن پرداخته شده است. تخصیص افزونگی یکی از این ویژگی هاست که در بخش از این رساله نتایج مربوط به آن بیان شده است. در بخش دیگر این رساله نتایج مربوط به سیستم k از n وزنی با مولفه های وابسته مورد مطالعه قرار گرفته است و در نهایت این سیستم به سیستم (k1, k2, …, km) از n وزنی تعمیم داده شده و نتایج مربوط به آن ارائه شده است.

پژوهش ما به لحاظ هدف کاربردی است. چون مدل ارائه شده راهکار‌‌هایی برای بهبود تعیین حق بیمه و به‌طور کلی بهبود عملکرد شرکت‌های بیمه پیش رو می‌گذارد، ما روش‌های پیش بینی مدل برای تعیین نرخ حق بیمه ارائه می‌دهیم که تشخیص داده‌ها کاوش و مدلسازی را انجام می‌دهد. از جمله این روش‌ها روش گرادیان تسریع یافته توییدی در مدل پواسن مرکب است. از آن‌جا که متغیرهای اصلی و اثرات متقابل مورد استفاده در مدل‌ها وجود دارند لذا الگوریتم گرادیان تسریع یافته درختی با نام TDboost ارائه خواهدشد. همچنین برای داده‌های با انباشتگی صفر زیاد روش‌هایی ارائه خواهد شد که پیش بینی حق بیمه را ممکن می‌سازد. این پایان نامه شامل چهار فصل است. در ابتدا تعاریف و مفاهیم مورد نیاز در علم بیمه را مطرح می‌کنیم. سپس مدل گرادیان تسریع یافته درختی را معرفی و بررسی می‌کنیم و در فصل سوم به تطبیق مدل پواسن مرکب توییدی با داده‌های مطالعات بیمه می‌پردازیم و در فصل چهارم با استفاده از مجموعه داده‌های داده شده به تحلیل و مقایسه مدل‌های ناپارامتری می‌پردازیم و در پایان به نتیجه گیری و اراِئه پیشنهادات می‌پردازیم.  

  ‏در آمار یکی از ابزار مهم برای تحلیل داده ها در مدل های آماری برآورد پارامترها و انتخاب متغیر مناسب است و روش های مختلفی برای آن وجود دارد. دو مورد از معروف ترین آن ها در حالت کلاسیک روش کمترین مربعات معمولی و روش بر‎‏آورد درستنمایی ماکسیمم است. اما در رگرسیون با بعد بالا‏، به علت وقوع مشکل بیش برآورد نمی توان از این روش ها استفاده کرد‏، پس محقق سعی می کند با کمک روش های انقباضی مانند رگرسیون جریمه دار این مشکل را حل کند. در حالی که آمار بیزی برای برآورد پارامترها از برآورد حالت پسین استفاده می کند. زمانی که با رگرسیون با بعد بالا مواجه می شود‏، تلاش می کند که این مشکل را با استفاده از روش های   تنظیم بیزی (انقباضی بیزی) حل کند. این روش ها تعداد متغیرهای پیش بینی کننده و پیچیدگی مدل را کاهش می دهند و برآورد پارامترها و انتخاب متغیر ها را ساده تر می کنند. بنابراین در این پایان نامه این روش ها را مورد بحث و بررسی قرار می دهیم

   انتخاب متغیریکی ازمهم­ترین موضوعات درمدل­سازی آماری محسوب می­شودکه کاربرد وسیعی درتحلیل­های آماری دارد. دراین پایان­نامه ازمدل­های رگرسیونی جریمه­دار برای انتخاب متغیر و به منظورتسریع برآورد ضرایب رگرسیونی تابع درست­نمایی جزیی برای فرایندپاسخ ازداده­های پیشامد بازگردنده ازالگوریتم مختصات کاهشی بهره گرفته شده است. با استفاده ازاطلاعات داده­های طولی واقعی مربوط به 230بیمارمبتلا به اسکیزوفرنیا که دربیمارستان فارابی کرمانشاه ازتاریخ1/01/1395 تا 29/12/1397 بستری بوده­اند و هرکدام بیش از یک­بار عود را تجربه کرده­اند قادر به انتخاب متغیرهای مهم ازبین تعداد زیاد متغیرهای توصیفی موجود دراین داده­ها و درنهایت برازش مدل­های متفاوت شده­ایم. کلمات کلیدی: داده­های طولی، رگرسیون جریمه­دار، درست­نمایی جزیی، داده­های پیشامد بازگردنده، الگوریتم مختصات کاهشی

طرح نمونه گیری وب سازوار یشود، سپس انتخاب واحدهای بعدی بر اساس ?? فضایی است. در این طرح ها، ابتدا نمونه ای اولیه گرفته ممتصل ?? از پیشتعیین شده واحدها از طریق لینک هایی که به نمونه قبل ?? با احتمال ?? توزیع مرکباست: یعنشود. در این پایان نامه ?? انتخاب و به نمونه اضافه م ?? شوند و یا واحدی به طور تصادف ?? هستند، انتخا

اهمیت روش‌های کریجینگ در مطالعات زمین‌شناسی کاربرد فراوانی دارد و تعیین نقاط نمونه از مهم‌ترین سوالات اینگونه تحقیقات است. در این پایان‌نامه نمونه‌گیری بهینه در درون‌یابی کریجینگ با استفاده از الگوریتم تفت دادن فضایی مورد بررسی قرار می‌گیرد. نمونه‌گیری مورد نظر برخلاف مبحث استنباط آماری, تصادفی نیست. بلکه یک روش نمونه‌گیری هدفمند است. منظور از نمونه‌گیری بهینه آن وضعیتی از موقعیت نقاط نمونه است که معیار مورد نظر جهت تعیین دقت درون‌یابی را بهینه می‌کند. در مطالعات شبیه‌سازی شده, جوامع مختلفی بررسی شده است و بر اساس معیارهای تابع توزیع تجربی و ... نمونه‌هایی با موقعیت بهینه مشخص شده‌اند.

  در این رساله، انواعی از سیاست نگهداری برای پیشگیری خسارت­های(گاهاً جبران­ناپذیر) ناشی از خرابی قطعات در حین کار کردن، مطالعه می­شود. همانطور که بیان شد شکست واحدها در زمان کار کردن ممکن است گران تمام شود. در مواردی که با افزایش عمر، نرخ شکست افزایش می­یابد، برای جلوگیری از خسارات، واحد را باید قبل از آنکه خراب شود تعویض کنیم. سیاست تعویض عمر، از پایه­های اصلی سیاست نگهداری است که برای جلوگیری از شکست یک واحد در زمان کار کردن است. در سیاست تعویض عمر، قطعه در زمان شکست و یا زمان مشخص t تعویض می شود اگر قطعه در زمان t در حال کار کردن باشد.مشخص است که تعیین زمان t یکی از مسایل بسیار مهم در بحث سیاست جایگذاری است.بارلو و پروشان(1965) میانگین زمان شکست تحت سیاست جایگذاری را به عنوان معیاری از تاثیر t معرفی نمودند.

تعیین حق بیمه برای بیمه گذار یکی از مقوله های مهم در بحث بیمه می باشد. در اکثر سیستم های پاداش-جریمه، حق بیمه برا اساس تعداد ادعای خسارت است و مبالغ ادعا در نظر گرفته نمی شود بنابراین در این مورد بیمه گذارانی که تصادف با ادعای های کوچک و بزرگ داشته باشند به شیوه یکسان و غیر عادلانه جریمه می شوند. حتی ممکن است بیمه گذاران برای رهایی از سوابق بدخودشان تصمیم بگیرند شرکت بیمه راترک کنند. در این پایان نامه علاوه بر تعداد ادعا، مقدار ادعا نیز در نظر گرفته می شود همچنین می توان با معرفی و عمال کسورات بر رده های جریمه، حق بیمه های مربوط به آنها را نیز تعدیل کرد.

رح‌های بهینه نقش مهمی در طرح آزمایش‌ها دارند، که به آزمایش‌گر کمک می‌کند با صرف هزینه و مدت زمان کمتری بتواند آزمایش مورد نظر را انجام دهد. برای پیدا کردن طرح‌های بهینه معیارهای بهینگی، که معمولاً تابعی از ماتریس اطلاع فیشر هستند در نظر گرفته می‌شوند. در این پایان‌نامه طرح‌های بهینه برای مدل‌های رگرسیونی با داده‌های فاصله‌ای به‌دست آورده می‌شوند. این داده‌ها در واقع مشاهداتی هستند که به‌طور دقیق قابل اندازه‌گیری نبوده و به‌صورت یک بازه گزارش می‌شوند. در این پایان‌نامه مدل‌های رگرسیون خطی به ‌این داده‌ها برازش داده و طرح بهینه برای آن‌ها به‌دست آورده شده است.

  چکیدهنقشه بندی بیماریها به مجموعه ای ازروش های آماری اطلاق می شود که در آنها بروز یا شیوع یک نوع بیماری و یا مرگ ومیرناشی از یک علت مشخص در یک پهنای جغرافیای مورد بررسی قرار می گیرد.ناحیه ی فضاییرا در نظر بگیرید که به چند زیر ناحیه افراز و تعداد رخدهای پیشامد مورد بررسی درهرزیر ناحیه گردآوری شده است. داده های حاصل فضایی شمارشی، داده های شمارش فضاییمی نامند. هدف نقشه بندی بیماریها برآورد خطر نسبی پیشامد مورد بررسی در هریک اززیر ناحیه بر اساس داده های گردآوری شده است . یکی از رایج ترین مدل ها در نقشهبندی بیماریها مدلBYM می باشد که در آن از یک میدان تصادفیمارکوفی گاوسی((GMRF) برای مدل سازی اثر تصادفی زیر ناحیه ها و همبستگی هایفضای بین زیر ناحیه استفاده می شوددر این پایان نامه مدل BYM و استنباط بیزیبه کمک روش تقریب لاپلاس آشیانه ای جمع بستهINLA   راجب آن شرحداده می شود.در پایان از این مدل برای بررسی خطرنسبی مرگ ومیر ناشی از تصادفات رانندگی در استان کرمانشاه استفاده می شود.کلید واژها: نقشه بندی بیماریها، مدلهای فضایی، روش تقریب لاپلاس آشیانه ای جمع بسته، مدل BYM

همه ی ما ناراحتی ناشی از انتظار کشیدن در صف را تجربه کرده ایم.در ترافیک یا برای پرداخت عوارض راه و ...،علت اصلی تشکیل صف این است که تقاضا برای سرویس بیش از امکانات سرویس دهی می باشد.نظریه ی صف با مرتبط ساختن عواملی چون زمان انتظار در صف،طول صف و ...با خواص مفروض جریان ورودی به سیستم و شیوه های سرویس،طرح یک سیستم بهینه را برای کاهش خسارات ناشی از تشکیل صف ارائه می دهد.در این پایان نامه پس از ارائه ی مقدمه و مفاهیم اولیه،به مطالعه ی سیستم صف بندی با منشا نامحدود و ویژگی های برجسته ی آن از جمله تعداد متقاضیان در صف و در سیستم،زمان انتظار و...می پردازیم.در این مدل ورودی ها دارای توزیع پواسون و زمان سرویس دارای توزیع نمایی است.سپس به بررسی صف های بیزی  M/M/1و M/M/s  می پردازیم.و می بینیم که برخی از ویژگی های صف،امید ریاضی آنها وجود ندارد.سپس برآورد نقطه ای،فاصله ای وآزمون فرض را برای سیستم های بیزی به دست می آوریم و در پایان شبیه سازی آنچه که مطالعه کرده ایم را به نمایش می گذاریم.

  چکیدهپدیده انتظار کشیدن در صف با افزایش تراکم جمعیت و شهری شدن جامعه ، بیش از پیش گسترش یافته است هدف از این پایان نامه،پیش بینی زمان انتظار هر مشتری در مدل صف M/M/S   است .در این سیستم، تصمیم گیرنده گان قصد دارند نتایج مفیدی را با ارائه دانش کافی در مورد سیستم صف بدست آورند.در این پایان نامه برای مدلسازی صف M/M/S فرآیند زاد و مرگ مارکوفی را در نظر می گیریم، نرخ   ورود ? و دارای توزیع پواسون و فاصله زمانی بین دو ورود متوالی دارای توزیع نمایی و همچنین نرخ سرویس ? و دارای توزیع نمایی است .ما یکی از بانک های شهر کرمانشاه (بانک ملی) را انتخاب کرده تا عملکرد رفتار بانک با چند سرویس دهنده (باجه ) را مورد ارزیابی قرار دهیم . داده های مربوط به ورود و زمان سرویس هر مشتری در طول یک روز کاری بانک ( 6:30 صبح لغایت 12:30 بعد از ظهر ) یادداشت شده ، سپس پارامترهای مدل صف M/M/S با محاسبات ریاضی و نرم افزاری بدست آمد و با یکدیگر مقایسه شدند و سپس تایید می شوند که از دو روش نتایج بدست آمده برابرند.در پایان نیز به کمک شبیه سازی(فصل چهارم)پارامترهایی که از مدل واقعی بدست آمده اند،برآورد می شوند و مورد مقایسه قرار می گیرند و نتایج حاصل به بانک داده شده و با ارائه راهکار مناسب به کاهش طول صف و زمان انتظار مشتریان در صف و سیستم می پردازیم.کلید واژه ها : تئوری صف بندی در مدل M/M/S ، بانک ملی ایران ، توزیع احتمال ، شبیه سازی  

تحقیق در مورد طراحی بیمه‌ی اتکایی بهینه دارای پیشینه‌ای دیرین برای دانشگاهیان و متخصصان بوده است. چرا که یک ابزار موثر مدیریت ریسک برای بیمه‌گران است.   بسته به هدف و محدودیت‌های انتخاب شده روش‌های بسیاری برای طراحی بهینه بیمه‌ی اتکایی وجود دارد.هدف اصلی این پایان نامه، بررسی یک راه‌حل تئوری و در عین حال عملی در تلاش برای طراحی بیمه‌ی اتکایی بهینه است. برای رسیدن به چنین هدفی، این پایان نامه به دو بخش تقسیم می‌شود. در بخش اول، تعدادی از مدل‌های بیمه‌ی اتکایی بررسی شده و قراردادهای بیمه‌ی اتکایی بهینه به‌دست آمده است. این بخش بر روی مدل‌های بیمه اتکایی به‌حداقل رساندن اندازه‌ی ریسک تمرکز می‌کند و در مورد قراردادهای بیمه‌ی اتکایی بهینه با بهره‌گیری از دو اندازه‌ی ریسک رایج شناخته شده مانندVaRوCTEبحث می‌کند. برخی از عوامل اقتصادی مهم دیگر مانند بودجه‌ی حق بیمه‌ی اتکایی، سودآوری بیمه‌گر نیز مورد توجه قرار گرفته است. بخش دوم به‌عنوان رویکرد تجربی بیان شده است، زیرا به‌طور صریح از داده‌های زیان تجربی بیمه‌گر استفاده می‌شود. رویکرد تجربی دارای مزیت جذاب و عملی بودن است. این رویکرد به‌سبب مشکلاتی که مدل‌های بیمه‌ی اتکایی اغلب مسائل بهینه‌سازی از بعد بی‌نهایت هستند به‌وجود آمده است و از این‌رو راه‌حل‌های صریح تنها در موارد خاص امکان‌پذیر است. رویکرد تجربی به‌طور موثر بیمه‌ی اتکایی بهینه را به یک مسئله‌ی بهینه‌سازی با بعد متناهی اصلاح می‌کند. علاوه بر این، ما نشان می‌دهیم که برنامه‌نویسی مخروطی درجه دوم می‌تواند برای به‌دست آوردن راه‌حل‌های بهینه برای طیف گسترده‌ای از مدل‌های بیمه‌ی اتکایی فرموله شده به وسیله‌ی رویکرد تجربی، استفاده شود.

  زمانی که هدف یافتن موقعیت واحدهای با بیشترین میزان متغیر مورد مطالعه(نقاط‌کانونی)باشد، تعیین کاراترین روش‌ نمونه‌گیری اهمیت بالایی دارد. از جمله روش‌هایی که در جوامعفضایی به کار می‌روند، روش نمونه‌گیری سیستماتیک، روش نمونه‌گیری طبقه‌بندی و روش نمونه‌گیریسازوار است. در این پایان‌نامه کارایی روش‌های نمونه‌گیری مختلف از جمله نمونه‌گیریتصادفی ساده، نمونه‌گیری سیستماتیک، نمونه‌گیری طبقه‌بندی و نمونه‌گیری خوشه‌ای سازوارجهت موقعیت‌یابی نقاط‌کانونی مورد مطالعه قرار گرفته است.

اندازه‌گیری و مقایسه ریسک‌ها در فرآیند مدیریت بیمه امری ضروری است. زیرا اندازه‌گیری ریسک در بانک‌ها، شرکت‌های بیمه و سازمانهای مالی، اساس تصمیم‌گیری در تخصیص منابع‌شان را فراهم می‌کند. یکی از روشها، مقایسه بر مبنای بعضی از اندازه ریسک های مهم است و روش دیگر مقایسه ریسک ها با استفاده از ترتیب تصادفی است.   در این پایان‌نامه، تعمیمی از ترتیب محدب افزایشی به حالت چندمتغیره   را به منظور مقایسه بردارهای ریسکی که در هر دو اثرات حاشیه‌ای و ساختارهای وابسته بردارها به شمار می‌روند ارائه می‌کنیم. این تعمیم برای مقایسه بردارهای با مولفه‌های ناهمگن مناسب است و تعدادی از ویژگی‌های ترتیب محدب افزایشی یک متغیره را توسیع می‌دهد. به عنوان مثال، مساله مقایسه بردارهای با تابع مفصل یکسان را   می‌توان توسط روش امید دم شرطی چند متغیره، که توسط کازین و دی برناردینو معرفی شده، مورد بررسی قرار داد. توسیع دم شرطی و ارزش در معرض ریسک را نیز ارائه و پایایی آنها را در مقایسه با حالت یک متغیره مورد بررسی قرار می‌دهیم

مطالعه‌ی پراکنش درختان یک جنگل همواره مورد توجه پژوهشگران علم جنگل شناسی قرار داشته است. داده‌های مکان درختان یک جنگل طبیعی می‌تواند اطلاعات مفیدی در مورد پراکنش و ساختار گونه‌های مختلف درختان جنگلی و همچنین اثر متقابل بین آن‌ها در اختیار قرار دهد. در این تحقیق‏، داده‌های مکان درختان گونه‌ی بلوط ایرانی در یک طرح دو هکتاری از جنگل‌های زاگرس در منطقه حسن‌آباد مورد بررسی قرار ‌گرفته است. برای این منظور از روش‌های آماری‌ فرآیند نقطه‌ای فضایی در تحلیل داده‌های مکان درختان به ویژه آماره‌های خلاصه کننده‌ی پر کاربرد مانند تابع همبستگی زوجی و تابع J   استفاده شده است.   بر اساس نتایج، یک اثر متقابل مثبت (کپه‌ای شدن) بین درختان بلوط در فاصله‌های 2 تا 6 متری دیده شد در حالی که هیچ اثر متقابل معنی‏‌‌­داری برای سایر گونه‌ها ملاحظه نشد. به علاوه، شاهد یک اثر متقابل منفی (دفعی) بین بلوط و سایر گونه‌ها بودیم.

‏طرح‌های بهینه به عنوان ابزاری که به محقق در رسیدن به نتایج دقیق‌تری کمک می‌کند‏، از دیر‌باز مورد‌توجه بوده است. بسیاری از تحقیقات در مدل‌های خطی بر پایه‌ی نرمال بودن متغیر پاسخ انجام شده است. استقلال متغیرهای پیش‌گو‌کننده از دیگر شرط‌ها در کتاب‌های معمول مدل‌های خطی است. در این پایان‌نامه‏، مدل رگرسیون پواسون به عنوان حالت خاصی از مدل‌های خطی تعمیم‌یافته را بررسی می‌کنیم. هم‌چنین حالت‌هایی که در آن متغیرهای پیش‌گو‌کننده دارای وابستگی هستند را در نظر می‌گیریم. طرح‌های ‎‎$‎-A‎$‎‎‏بهینه برای مدل رگرسیون پواسون و رگرسیون ریج پواسون به دست آورده شده است. هم‌چنین پارامتر ریج را بر اساس روشی جدید محاسبه کرده‌ایم. روش جدید برای یافتن پارامتر ریج‏، با سایر روش‌های قبلی مقایسه شده است.

فرایندهای کاکس مدل­‌های آماری مناسبی برای الگوهای نقطه­‌ای خوشه‌ای مانند مکان درختان در یک جنگل هستند. در این بین، فرایندهای کاکس لگ-گاوسی به دلیل انعطاف­‌پذیری بالا در مدل­ سازی و تحلیل آماری مکان درختان در یک جنگل بیشتر مورد توجه قرار گرفته‌اند. با در نظر گرفتن رویکرد بیزی میتوان از روش تقریب لاپلاس آشیانه­‌ای جمع­‌بسته ‎$ (INLA) $‎ برای برآورد و استنباط آماری در مورد پارامترهای یک مدل کاکس لگ-گاوسی استفاده کرد. ‎$ INLA $‎ یک رویکرد سریع و در عین حال دقیق برای برآورد بیزی پارامتر مد­ل‌های آماری با یک ساختار گاوسی پنهان ‎$ (LGM) $‎، مانند مدل‌های فرآیند کاکس لگ-گاوسی، است. در واقع ‎$ INLA $‎ یک تکنولوژی جدید امیدوارکننده برای انجام استنباط بیزی بدون زنجیر مارکوف مونت کارلو ‎$ (MCMC) $‎ است، همچنین یک جایگزین قطعی برای این روش است، مزیت اصلی روش ‎$ INLA $‎ نسبت به ‎$ MCMC $‎ محاسبه سریع آن است، زیرا محاسبات با استفاده از زنجیر مارکوف مونت کارلو وقت­‌گیر است. در این پایان‌نامه، استنباط بیزی برای فرایندهای کاکس لگ-گاوسی با رویکرد ‎INLA‎ را مورد بررسی قرار می­دهیم و از آن برای مدل‌سازی مکان درختان در یک جنگل استفاده می‌کنیم.

  در بررسی آماری جوامع فضایی دو بعدی که تهیه نقشه‌های مختلف یکی از اهداف آن است، کسب اطلاعات از همه نواحی مورد مطالعه اهمیت زیادی دارد. چون بررسی تمام نقاط نواحی بزرگ مشکل و در برخی موارد غیرممکن است، باید اطلاعات لازم را از طریق بررسی بخشی از آن ناحیه به عنوان نمونه به دست آورد. در جوامع معمولی و غیر فضایی که مختصات واحد نمونه مطرح نیست، معیار اصلی ارزیابی نمونه کارایی برآوردگر است. در نمونه‌گیری از نواحی دو بعدی غیر از کارایی و دقت برآوردگر، پوشش خوب کل ناحیه هم مطرح است. با توجه به اهمیت روش‌های نمونه‌گیری در جوامع دو بعدی، در این پایان نامه روش‌های نمونه‌گیری موجود در این زمینه مطالعه و به‌پوشی و کارایی آنها مورد بررسی قرار گرفته‌ است.‎

  در بسیاری از مطالعات ‏طول عمر و قابلیت اعتماد ممکن است آزمایشگر نتواند اطلاعات کاملی درباره زمان‌های شکست همه واحدهای آزمایشی به‌دست آورد. به‌عنوان مثال افرادی ممکن است در آزمایش‌های بالینی کنار گذاشته شوند‏، تحقیق به‌دلیل کمبود منابع مالی متوقف شود و یا در یک آزمایش صنعتی واحدها به‌طور تصادفی شکسته شوند. بنابراین برای صرفه‌جویی در وقت و هزینه ناچار به حذف برخی واحدهای آزمایش قبل از رسیدن زمان شکست آن‌ها هستیم. داده‌هایی حاصل از چنین آزمایش‌هایی داده سانسور شده نامیده می‌شوند. رایج‌ترین طرح سانسور نوع ‎‎‎‎I‎‎‏ و نوع ‎‎‎‎II‎‏ است. نقص عمده‌ طرح‌های سانسور نوع ‎I‎‎‏ و ‎II‎‎‏ این است که واحدهای آزمایشی را نمی‌توان در نقاطی غیر از نقاط پایانی آزمایش حذف کرد. به‌همین خاطر آزمایشگر از طرح سانسور کلی‌تری تحت عنوان سانسور فزاینده‎‏ استفاده می‌کند. این پایان‌نامه روی ایده سانسور فزاینده نوع ‎‎‎‎II‎‎‏ متمرکز شده است. ایرادی که بر این طرح وارد است این است که‏، مدت زمان کل آزمایش طولانی ‎‏می‌شود. برای رفع این مشکل نوع هیبریدی طرح سانسور فزاینده ‎‎‏ارائه شد که می‌توانست آزمایش را تا زمان ‎T‎‏ محدود کند. گرچه این طرح سانسور هیبریدی آزمایش را کنترل می‌کرد که از ‎T‎‎‏ بزرگ‌تر نباشد اما امکان داشت اندازه نمونه موثر کوچک و حتی صفر باشد که کارایی استنباط آماری کاهش می‌یابد. برای تعادل بین زمان کل آزمون و کارایی استنباط آماری ان جی‎‎ و همکاران ‎(2009)‎ طرح سانسور فزاینده نوع ‎‎‎‎II‎‎‏ تطبیقی را مطرح کردند.‎ در این پایان‌نامه روش‌های استنباطی برای سانسور فزاینده نوع ‎II‎‎‏ و سانسور فزاینده نوع ‎‎‎‎II‎‎‏ تطبیقی تحت برخی توزیع‌های آماری مورد مطالعه قرار گرفت. برآوردگرهای ماکسیمم درستنمایی‏، برآوردگرهای ماکسیمم درستنمایی تقریبی و ماتریس اطلاع مشاهده شده را برای پارامترهای مجهول به دست آوردیم. برآورد پارامترها‏، مقایسه‌ای بین واریانس و کوواریانس برآوردگرها با واریانس و کوواریانس حاصل از ماتریس اطلاع مشاهده شده و همچنین احتمال پوشش برای کمیت‌های محوری براساس برآوردگرها از طریق شبیه‌سازی انجام شد. روش‌های برآورد فاصله‌ای مختلفی برای پارامترهای مجهول مانند فواصل اطمینان مجانبی ‎‎‏با ماتریس اطلاع مشاهده شده و ماتریس اطلاع فیشر‏، فواصل اطمینان بوت‌استرپ درصدی و فواصل اطمینان بوت‌استرپ-تی به‌دست آمده است. سپس با استفاده از شبیه‌سازی این روش‌ها بر حسب طول فاصله اطمینان و احتمال پوشش مقایسه شدند.

‏همه‌یماناراحتیناشیازانتظارکشیدندرصفراتجربهکرده‌ایم.   درترافیکیابرای‎پرداخت‎عوارضراه‏،دراتومبیلبهانتظارمی‌نشینیم‏،درفروشگاه‌هایبزرگبرای‎پرداخت‎بهایاقلامخریداریشدهودراداراتدولتیدرصفبهانتظارمی‌مانیم. مابهعنوانمشتریعموماًاینگونهانتظارکشیدنرادوستنداریمومدیرانموسساتیکهمادرصف‌هایآنهامی‌ایستیمنیزانتظارکشیدنمارادوستندارند‏،زیراممکناستاینصف‌هابرایآنهاهزینه‌هایداشتهباشد. علتاصلیتشکیلصفایناستکهتقاضابرایسرویسبیشازامکاناتسرویس‌دهیمی‌باشد. نظریهصفبامرتبطساختنعواملیچونزمانانتظاردرصف‏،طولصف‏و.... باخواصمفروضجریانورودیبهسیستموشیوهایسرویس‏،طرحیکسیستمبهینهرابرایکاهشخساراتناشیازتشکیلصفمی‌دهد. دراین‎پایان‎نامهپس‏ازارائه‌یمقدمهومفاهیماولیه‏،بهمطالعهمدلصفبندی‎‎Mb/M/1‎‎‏ می‌پردازیمبانرخورود‎‎پواسونکهمشتری‌هابهصورتدسته‌هایبا اندازهثابتمی‌باشدکهتوزیعسرویس‌دهندهنماییاست. وسپس‎‎مدلصفغیرمارکوف‎‎‎M/G/1‎‎‏ راموردبررسیقراردادهکهزمانسرویس‌دهیمشتریاندارایتابعتوزیعکلیباشدوبهمطالعهاجزاییچونطولصف‏،تعدادمشتریاندرسیستمودورهمشغولیسامانهرامطالعهمی‌کنیم. ودرآخرمدلصف‎‎‎Mx/G/1‎‎‏ رابررسیکردهوزمانانتظاردرسیستمودورهبیکاریودورهاشتغالو... درحالت‎پایا‎درصفوسرویسدهندهغیرقابلاعتمادراکهورودمشتریانبهصورتگروهیاستبدستمی‌آوریم. وتابعمولدآنهارادرحالت‎پایا‎رابررسیمی‌کنیم.