<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
<channel>
<title> عنوان نشریه </title>
<link>http://jsci.khu.ac.ir</link>
<description>نشریه علوم دانشگاه خوارزمی - مقالات نشریه - سال 1392 جلد13 شماره3</description>
<generator>Yektaweb Collection - https://yektaweb.com</generator>
<language>fa</language>
<pubDate>1392/8/10</pubDate>

					<item>
						<title>شناسه انگلیسی</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1730&amp;sid=1&amp;slc_lang=fa</link>
						<description>2</description>
						<author></author>
						<category></category>
					</item>
					
					<item>
						<title>شناسه فارسی</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1729&amp;sid=1&amp;slc_lang=fa</link>
						<description>1</description>
						<author></author>
						<category></category>
					</item>
					
					<item>
						<title>تعیین ساختار همبستگی داده های فضایی با توابع مفصل</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1637&amp;sid=1&amp;slc_lang=fa</link>
						<description>یکی از ابزارهای قوی برای ساخت توزیع توام متغیرهای وابسته بر اساس توزیع های کناری متغیرها توابع مفصل هستند. این توابع مدلی را ارائه می دهند که بر اساس آن تمام خصوصیات وابستگی متغیرها قابل بیان است. درتحلیل داده های فضایی لازم است توزیع چندمتغیره تحقق های میدان تصادفی و ساختار همبستگی داده ها مشخص شود. به علاوه در تحلیل داده های فضایی-زمانی گاهی برای راحتی از تابع کواریانس تفکیک پذیر استفاده می شود در حالیکه این ویژگی در برخی موارد واقع گرایانه نیست و در این گونه موارد استفاده از توابع کواریانس فضایی-زمانی تفکیک ناپذیر ضرورت پیدا می کند. در این مقاله نقش توابع مفصل در تعیین توزیع توام تحقق های میدان تصادفی بررسی و خانواده جدیدی از توابع مفصل فضایی معتبر معرفی می شود، سپس با استفاده از توابع مفصل اقدام به ساخت کواریانس های فضایی و فضایی-زمانی تفکیک ناپذیر معتبر شده است.</description>
						<author>محسن محمدزاده درودی</author>
						<category></category>
					</item>
					
					<item>
						<title>پخش محوری شبیه سازی عددی فرآیند انتقال جرم اکسیژن در بسترهای مو یرگ انسان</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1636&amp;sid=1&amp;slc_lang=fa</link>
						<description>در این مطالعه، به شبیه سازی عددی فرآیند انتقال جرم اکسیژن در بسترهای مویرگ انسان با در نظر گرفتن جمله پخش محوری می پردازیم. معادله شبیه سازی شده یک معادله دیفرانسیل با مشتقات پاره ای نامانا از نوع همرفت- نفوذ می باشد که در مسائل مهندسی زیستی کاربرد فراوان دارد و گسترش عمده آن در مسائل لایه مرزی سیالات، مدارهای الکتریکی در کابلها و مسائل انتقال جرم می باشد. &lt;br&gt;حل تحلیلی این نوع معادلات پیچیده است. بنابراین حل عددی برای بدست آوردن جواب تقریبی اهمیت فراوانی دارد و همگرائی و پایداری در این روش حل همواره مورد سئوال بوده است. در این مطالعه، سعی می کنیم سئوالات بالا را با در نظر گرفتن این معادله خاص جواب دهیم و برای این منظور از روش تفاضلات متناهی استفاده می کنیم.</description>
						<author>عظیم امین عطائی</author>
						<category></category>
					</item>
					
					<item>
						<title>‎ استنباط شبه درست نمایی پاسخ های فضایی گسسته (مطالعه موردی داده های بارندگی استان سمنان)</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1658&amp;sid=1&amp;slc_lang=fa</link>
						<description>برای مدل بندی پاسخ های فضایی گسسته معمولا از مدل های آمیخته خطی تعمیم یافته فضایی استفاده می شود، که در آن ها ساختار همبستگی فضایی داده ها از طریق متغیرهای پنهان با توزیع نرمال در نظر گرفته می شود. یک مسئله مهم در این مدل ها پیشگویی متغیرهای پنهان در موقعیت های فاقد مشاهده است، که مستلزم برآورد پارامترهای مدل و متغیرهای پنهان در موقعیت های دارای مشاهده پاسخ می باشد. به دلیل وجود متغیرهای پنهان و ناگاوسی بودن متغیرهای پاسخ فضایی، در این مدل ها تابع درستنمایی فرم بسته ای ندارد و برآوردها به راحتی میسر نیست. در این مقاله الگوریتمی جدید برای برآورد پارامترهای مدل و پیشگویی ها معرفی شده است، که از سرعت بسیار بالاتری نسبت به روش های موجود برخوردار است. این الگوریتم از ترکیب روش ماکسیمم شبه درستنمایی، الگوریتم گرادیانت ماکسیمم سازی امید ریاضی و یک روش تقریبی به دست آورده شده است. در یک مطالعه شبیه سازی کارایی و دقت الگوریتم مذکور مورد بررسی قرار گرفته و در نهایت تعداد روزهای دارای بارندگی ثبت شده در ایستگاه های هواشناسی استان سمنان در سال 1391 با استفاده از مدل و الگوریتم ارائه شده تحلیل شده است.</description>
						<author>فاطمه حسینی</author>
						<category></category>
					</item>
					
					<item>
						<title>بررسی لایه های کرانه ای مسئله ی اغتشاشی تکین شامل معادله ی دیفرانسیل مرتبه دوم خطی با شرایط کرانه ای غیر موضعی</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1547&amp;sid=1&amp;slc_lang=fa</link>
						<description>در این مقاله با ارائه روش چهار مرحله ای موضعی سازی شرایط کرانه ای در پی به دست آوردن شرایط لازم و کافی برای وجود یا عدم وجود لایه های کرانه ای در نزدیکی نقاط کرانه ای مسئله ی اغتشاشی تکین با شرایط غیر موضعی می باشیم و از آنجایی که اهمیت تشخیص وجود یا عدم وجود لایه های کرانه ای در نزدیکی نقاط کرانه ای رابطه ی مستقیمی با نحوه ی ساختار و به هم پیوستن جواب های تقریبی داخلی و خارجی و در نهایت به دست آوردن جواب تقریبی یکنواخت برای این چنین مسائل اغتشاشی تکین دارد برهمین اساس هدف اصلی در این مقاله تشخیص وجود یا عدم وجود لایه های کرانه ای برای مسئله ی اغتشاشی تکین با شرایط کرانه ای غیر موضعی می باشد.</description>
						<author>محمد جهانشاهی</author>
						<category></category>
					</item>
					
					<item>
						<title>یک نمودار کنترل همزمان میانگین و واریانس با رهیافت چگالی پیش بین بیزی</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1650&amp;sid=1&amp;slc_lang=fa</link>
						<description>استفاده از یک نمودار واحد برای کنترل همزمان میانگین و واریانس فرآیند، موجب ساده تر شدن روند کنترل فرآیند&lt;br&gt;می شود. به علاوه اگر این نمودار از قابلیت تشخیص منبع آلودگی نیز برخوردار باشد، سادگی کار دو چندان می شود.&lt;br&gt;به همین دلیل نمودارهای کنترل همزمان مورد توجه بسیاری از محققان و صنعتگران قرار گرفته است.&lt;br&gt;اخیرا در متون کنترل فرآیندهای آماری، نمودارهای کنترلی معرفی شده که مبتنی بر استفاده از ایده چگالی پیش بین&lt;br&gt;بیزی می باشند. نمودارهای کنترل مبتنی بر این ایده علاوه بر اینکه عدم اطمینان ناشی از برآورد پارامترها را به&lt;br&gt;حساب می آورند، ما را از اغلب شبیه سازی های گسترده نیز بی نیاز می کنند. این نمودارها برای کنترل میانگین و&lt;br&gt;واریانس فرآیندهای یک و چند متغیره پیشنهاد شده اند.&lt;br&gt;تاکنون هیچ مطالعه ای راجع به کنترل همزمان میانگین و واریانس مبتنی بر ایده چگالی پیش بین بیزی انجام نشده&lt;br&gt;است. ما در مقاله حاضر با استفاده از ایده چگالی پیش بین بیزی، یک نمودار جدید برای کنترل همزمان میانگین و&lt;br&gt;واریانس فرآیندهای یک متغیره معرفی کرده ایم. ما با استفاده از مثال های شبیه سازی قابلیت های مهم این نمودار جدید را آشکار کرده ایم.&lt;br&gt;نمودار جدید در مواردی که پارامترها مجهولند کاربرد دارد. به عبارت دیگر، عدم اطمینان ناشی ازبرآورد پارامترها&lt;br&gt;را به حساب می آورد. این نمودار قادر است منبع آلودگی را تشخیص دهد و نسبت به تغییرات کوچک در میانگین و&lt;br&gt;واریانس حساس است. در این نمودار حدود کنترل به سادگی، بدون نیاز به شبیه سازی، از جدول نرمال بدست می آید.</description>
						<author>عاطفه مختاری حسن آبادی</author>
						<category></category>
					</item>
					
					<item>
						<title>تکمیل آزمون نیکویی برازش برای توزیع چولۀ نرمال بر اساس تابع مولد گشتاور تجربی</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1470&amp;sid=1&amp;slc_lang=fa</link>
						<description>تاکنون روشهای مختلفی برای آزمون نیکویی برازش توزیع نرمال چوله مطرح شده است. در این مقاله روش مینتانیس (2007) که بر اساس تابع مولد گشتاور تجربی است، بررسی می شود. این آزمون به طور مجزا برای پارامتر شکل معلوم و مجهول مطرح می شود. مینتانیس (2007) ادعا کرده است که آزمون او از نظر توان با آزمون کلموگروف-اسمیرنف قابل رقابت است. اما این ادعا تنها برای پارامتر شکل معلوم درست است. در این مقاله روشی برای یافتن آماره آزمون ارائه شده است که علاوه بر زمان کمتر، توان آزمون مینتانیس (2007) را نیز به طور قابل ملاحظه ای افزایش می دهد. در این روش برای یافتن سوپریمم، به جای محاسبه تابع روی شبکه، از تابع اپتیمم استفاده می گردد. همچنین مینتانیس (2007) برای پارامتر معلوم اندازه آزمون خود را بررسی نکرده است که در این مقاله به بررسی آن می پردازیم.</description>
						<author>نصراله ایران پناه</author>
						<category></category>
					</item>
					
					<item>
						<title>تحلیل بیزی استوار و کاربرد آن در براورد حق بیمه</title>
						<link>http://ndea10.khu.ac.ir/jsci/browse.php?a_id=1643&amp;sid=1&amp;slc_lang=fa</link>
						<description>روش های بیزی استوار به عنوان شاخه ای از آمار بیزی به براورد پارامتر نامعلوم یا پیشگویی مشاهده آینده با تعیین یک کلاس از توزیع های پیشین به جای یک توزیع پیشین یکتا می پردازد. استفاده از روش های بیزی استوار بطور گسترده ای درعلوم بیمه ای برای براورد حق بیمه و پیشگویی میزان خسارت آینده مورد توجه قرار گرفته است. به این منظور، در این مقاله، با ارائه دو کلاس از توزیع-های پیشین تحت تابع زیان توان دوم خطای ناوردای مقیاس، به براوردیابی بیزی استوار حق بیمه و پیشگویی میزان خسارت آینده می-پردازیم. در پایان، با انجام یک مطالعه شبیه سازی و با استفاده از تحلیل پیشگویی دنباله ای، به مقایسه پیشگوهای بیزی استوار میزان خسارت آینده به دست آمده می پردازیم.</description>
						<author>نادر نعمت الهی</author>
						<category></category>
					</item>
					
	</channel>
</rss>
