مطالعه موردی مدل صف بندی بانک

A Case Study of Bank Queueing Model

چکیده
1 پیشگفتار
مفاهیم مهم
متغیرهای تصادفی گسسته [4] متغیر تصادفی پیوسته
توزیع احتمال یک متغیر تصادفی
مشخصات برخی توزیع‌های گسسته
2 رده‌بندی سیستم‌های صف‌بندی
3 نتیجه‌گیری
منابع

چکیده

این مقاله به بررسی نظریه صف و تجزیه و تحلیل سیستم صف‌بندی با استفاده از منحنی‌های احتمال می‌پردازد. با شروع با مبنای توزیع‌ها و مفاهیم مهم نظریه صف، از منحنی‌های احتمال توزیه گاما برای تجزیه و تحلیل سیستم بانکداری استفاده می‌شود.

3 نتیجه‌گیری

این مقاله به مطالعه نظریه صف می‌پردازد و با استفاده از منحنی‌های احتمال، سیستم صف را تجزیه و تحلیل می‌کند. از کار نظرسنجی شده در بالا کشف کردیم که نرخ‌های ورود و خدمت در بانک، در هفته‌های مختلف متفاوت هستند. نتیجه‌گیری‌ها از کاربرد توزیع احتمال گاما به دست آمدند. نرخ ورود در هفته 1 بالاتر است. با این حال، این نرخ ورود بالاتر توسط سودآوری بالاتر خدمت تعدیل می‌شود. بنابراین، احتمال تکمیل خدمت در 5 دقیقه در هفته 1 برابر با 060361/0 است. فاکتور کارایی ثابت نیست. سودآوری خدمت کاهش می‌یابد، و در نتیجه، احتمال در هفته دوم به 054344/0 تقلیل می‌یابد. در هفته سوم، نرخ ورود کاهش می‌یابد. نتیجه، با حفظ نرخ خدت یکسان با نرخ خدمت در هفته دوم، این احتمال به 074055/ افزایش می‌یابد. نرخ خدمت در هفته آخر ماه کمتر است همچنان که نرخ‌های ورود به طور قابل توجهی کاهش می‌یابند. بنابراین، احتمال تکمیل خدمت در زمان کمتر در مقایسه با هفته‌های باقیمانده افزایش می‌یابد، یعنی 087442/0.

Abstract

This paper deals with the Queueing theory and the analysis of queueing system by using probability curves. Starting with the basis of the distributions and important concepts of queueing theory, probability curves of Gamma distribution are used to analyse the banking service.

II. CONCLUSION

This paper studies the Queueing theory and by the use of probability curves the analysis of the queueing system. From the work surveyed above we have found arrival and service rates at the bank are different in different weeks. The conclusions are developed from the application of Gamma probability distribution. The arrival rate is higher in week 1. However, the higher arrival rate is offset by higher service productivity. Therefore, the probability of completing the service in 5 minutes in week 1 is 0.060361. The efficiency factor is not constant. The service productivity diminishes and as a result the probability in the second week drops to 0.054344. In the third week the rate of arrival decreases. Consequently, maintaining the same service rate as in the second week, the probability goes up to 0.074055. The service rate is less in the last week of the month as the arrival rates decrease considerably, the probability of completing the service with in less time peaks as compared to the remaining weeks.i.e0.087442.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مطالعه موردی مدل صف بندی بانک

A Case Study of Bank Queueing Model

استنتاج آماری همزمان در مدل های عامل حرکتی : تقریب کای دو و بوت استرپ مبتنی بر مدل

Simultaneous statistical inference in dynamic factor models: Chi-square approximation and model-based bootstrap

چکیده

مقدمه و انگیزه

متدلوژی آماری

مدل عامل پویا

آزمون چندگانه

استنتاج مبتنی بر احتمال در مدل‌های عامل پویا

پیاده‌سازی

شناسایی مدل

تخمین تعداد باندهای فرکانس مجزا

تخمین پارامترهای آزاد در مدل

مطالعات شبیه‌سازی

کاربرد

بحث

چکیده

متدلوژی استنتاج آماری در مدل‌های عامل پویا (DFMs) در زمینه آزمون چندگانه بر اساس قضیه حد مرکزی برای تبدیلات فوریه تجربی سری‌های زمانی چند متغیره توسعه می‌یابد. این نتیجه نظری امکان استفاده از برداری از آماره آزمون نوع-والد را فراهم می‌سازد که به طور مجانبی از توزیع کای دوی چند متغیره‌ای تحت فرضیه پوچ جهانی، هنگامِ مِیل افق مشاهده به سمت بی‌نهایت، پیروی می‌کند. روال‌های آزمون چندگانه مجانبی چندگانگی-تطبیقی بر اساس آماره والد با روال بوت استرپ مدل-محور ارائه شده در کارهای قبلی اخیر مقایسه می‌شوند. شبیه‌سازی‌های مونت کارلو نشان می‌دهند که هر دوی آزمون کای دوی چندگانه مجانبی با تطبیق مناسب چندگانگی و روال آزمون چندگانگی مبتنی بر بوت استرپ، نرخ خطای خانوادگی را در سطح معناداریِ از پیش تعریف شده حفظ می‌کنند. الگوریتم تقریب و همچنین پیاده‌سازی روال‌ها آزمون به طور دقیق شرح داده شده و کاربردی واقعی روی داده‌های کالای اروپا انجام می‌شود.

6- بحث

رویکرد استنباط آماری مبتنی بر احتمال پارامتری را در مدل‌های عامل کوچک-مقیاس (پویا) به طور جامع شرح داده‌ایم. به ویژه، جزئیات اجرای روش‌های تخمین و آزمایش را به شیوه‌ای منسجم و یکپارچه توضیح داده‌ایم. علاوه‌براین، برنامه‌های آماده استفاده MATLAB که همه نتایج دست نوشته حاضر را می‌توان با استفاده از آن‌ها مجددا تولید کرد بر حسب درخواست از نویسنده دوم قابل دسترس هستند. تا جایی که به نتایج آزمون چندگانه مربوط می‌شود، نشان داده‌ایم که هر دوی آزمون‌های کای-دوی مجانبی و آزمون‌های بوت استرپ مدل-محور، سطح FWER را حفظ می‌کنند، البته رفتار خطای نوع 1 آن‌ها حتی برای اندازه‌های نمونه ، آزاد (لیبرال) باقی ماند. این حقیقت که این رفتار به شیوه‌ای بسیار مشابه توسط هر دوی آزمون‌های کای-دوی مجانبی و آزمون‌های بوت استرپ مدل-محور نشان داده شده است دلالت بر این دارد که تقریب نرمال توزیع پوچ MLE بردار پارامترهای DFM، مهمترین بخش در متدلوژی ارائه شده است. این سازگار با اظهار نظرات مربوطه دیکاوس و پاولی (2016) است. از اینرو، کارهای آینده می‌توانند رویکردهای بوت استرپ ناپارامتری مربوط به فرض نرمالی (مجانبی) MLE در زمینه DFM را در نظر بگیرند. گسترش‌های ممکن بیشتر این کار می‌توانند سایر معیارهای خطای نوع 1 چندگانه، به عنوان مثال، کنترل نرخ کشف نادرست، را ملاحظه کنند و متدلوژی آزمون چندگانه برای DFMهای با مقیاس بزرگتر را به کار گیرند؛ که در اینجا هر دوی این گسترش‌ها با یکدیگر در ارتباط هستند.

Abstract

Statistical inference methodology in dynamic factor models (DFMs) is extended to the multiple testing context based on a central limit theorem for empirical Fourier transforms of multivariate time series. This theoretical result allows for employing a vector of Wald-type test statistics which asymptotically follows a multivariate chi-square distribution under the global null hypothesis when the observation horizon tends to infinity. Multiplicity-adjusted asymptotic multiple test procedures based on Wald statistics are compared with a model-based bootstrap procedure proposed in recent previous work. Monte Carlo simulations demonstrate that both the asymptotic multiple chi-square test with an appropriate multiplicity adjustment and the bootstrap-based multiple test procedure keep the family-wise error rate approximately at the predefined significance level. The estimation algorithm as well as the implementation of the testing procedures are described in detail and a real-life application is performed on European commodity data.

6- Discussion

We have comprehensively described a parametric likelihood-based statistical inference approach in small-scale (dynamic) factor models. In particular, details of the implementation of estimation and testing methods have been elucidated in a coherent and unified manner. Furthermore, ready-to-use MATLAB programs with which all results of the present manuscript can be reproduced are available from the second author upon request. As far as the multiple testing results are concerned, we have demonstrated that both the asymptotic chi-square tests and the model-based bootstrap tests approximately keep the FWER level, albeit their type I error behavior remained liberal even for sample sizes of T = O(103 ). The fact that this behavior was exhibited in a very similar manner by both the asymptotic chi-square tests and the model-based bootstrap tests indicates that the normal approximation of the null distribution of the MLE of the vector of DFM parameters is the most crucial part in the presented methodology. This is in line with the respective comments of Dickhaus and Pauly (2016). Hence, future work may consider nonparametric bootstrap approaches circumventing the assumption of (asymptotic) normality of the MLE in the DFM context. Further possible extensions of this work are to consider other multiple type I error criteria like, for instance, control of the false discovery rate, and to work out multiple testing methodology for larger-scale DFMs, where both of these extensions are interrelated with each other.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

استنتاج آماری همزمان در مدل های عامل حرکتی : تقریب کای دو و بوت استرپ مبتنی بر مدل

Simultaneous statistical inference in dynamic factor models: Chi-square approximation and model-based bootstrap

 سیری در آمار کلان داده ها

Journeys in big data statistics

چکیده

1- منابع طبیعی جدید

2- مطالعه موردی: داده های بزرگ حمل و نقل

3-خلاصه و چک لیست

منابع

چکیده

قلمرو داده های بزرگ، قلمروی بسیار گسترده و متنوع است. ما درباره داده های قدیمی، جدید، کوچک و بزرگ، همراه با برخی از چالش های مهم از جمله مواجهه با داده های شی گرا و بسیار سازمان یافته بحث می نماییم. هدف بسیاری از برنامه های کاربردی، تشخیص الگوها و یادگیری از روی مجموعه داده های بزرگ مربوط به داده های قدیمی است. ما برآنیم تا درباره چنین مسائلی در برخی از برنامه های شبکه حمل و نقل در محیط های غیر دانشگاهی بحث نماییم که به طور طبیعی برای موقعیت های دیگر نیز کاربردپذیر هستند. جنبه های حیاتی شامل مواجهه با لجستیک، کدنویسی و انتخاب روش آماری مناسب می گردد و ما خلاصه و چک لیستی را برای اجرای گسترده تر ارائه نمودیم.

3- خلاصه و چک لیست

ما خلاصه ای از نقطه شروع یک تحقیق معمولی را ذیلاً ارائه نمودیم: • دسترسی امن و دائمی به داده های جدید. • تعیین هدف تحقیق به عنوان مثال شناسایی تنگناهای شبکه، شناسایی بدترین مسیرهای عملکرد، بکاهش انتشار، پیش بینی زمان سفر و غیره. • تعیین رسمی قالب داده ها برای استفاده. • ایجاد ابزارهایی که اجازه جستار داده ها را به وسیله ذینفعان مختلف در یک کسب و کار برای کاوش سوالات خود فراهم نمایند. • استفاده از تکنیک های طبقه بندی برای تشخیص الگوها، و رتبه بندی مسیرهای. • استفاده از تکنیک های رگرسیون در یک شبکه جغرافیایی خوب برای مدلسازی اثر قطعات کوچکی از زیرساخت ها (به عنوان مثال امتداد خاصی از جاده، ایستگاه اتوبوس، مسیر راه آهن و یا ایستگاه) بر مسیر آتی یک وسیله نقلیه. با این حال برای استفاده در انجام پیش بینی های خوب با شناسایی متغیرهای کمکی مربوطه باید درباره داده های تاریخی تصمیماتی اتخاذ گردد. • پیاده سازی کارآمد تکنیک های آماری برای کاربرد زنده.

Abstract

The realm of big data is a very wide and varied one. We discuss old, new, small and big data, with some of the important challenges including dealing with highly-structured and object-oriented data. In many applications the objective is to discern patterns and learn from large datasets of historical data. We shall discuss such issues in some transportation network applications in non-academic settings, which are naturally applicable to other situations. Vital aspects include dealing with logistics, coding and choosing appropriate statistical methodology, and we provide a summary and checklist for wider implementation.

3- Summary and checklist

We provide a summary of the starting points for a typical investigation as follows: • Secure on-going access to new data. • Establish the purpose of an investigation, e.g. to identify network bottlenecks, to identify worst performing routes, to reduce emissions, to make travel time predictions etc. . . • Establish formally the data format to use. • Create tools to allow querying of the data by different stakeholders in a business, to probe their own questions. • Use classification techniques to discern patterns, and rankings of routes. • Try regression techniques over a fine geographical grid to model the effect of small pieces of infrastructure (e.g. a particular stretch of road, bus station, railway track or station) upon the future journey of a vehicle. Decisions, however, need to be made concerning which historical data to use to make good predictions, by identifying relevant covariates. • Implement the statistical techniques efficiently, for live usage.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 سیری در آمار کلان داده ها

Journeys in big data statistics

تحلیل ریسک و تحلیل ریسک سیستمی یکپارچه بر اساس توابع مفصل

Integrating Systemic Risk and Risk Analysis Using Copulas

خلاصه

1- مقدمه

2- استفاده از تابع مفصل برای مدلسازی ریسک سیستمی

3- استفاده از تابع مفصل برای محاسبه ریسک سیستمی

4- استفاده از توابع مفصل برای مطلع کردن مدیریت ریسک سیستمی

5.جمع بندی

منابع

چکیده

تحقیق در زمینه ریسک سیستمی در جوامع تحقیقاتی در رشته های مختلف مورد توجه قرار گرفته است اما این تحقیقات نتوانسته اند رابطه قدرتمندی با تحقیقات مربوط به تحلیل ریسک سنتی و معتبر برقرار کنند. این مسئله به این علت است که تحقیقات مربوط به ریسک سیستماتیک، بیشتر روی ارتباط بین مولفه های موجود در یک سیستم تمرکز می کنند درحالیکه در تحقیقات مربوط به تحلیل ریسک تمرکز معمولا روی ریسک مجزای مربوط به هر مولفه مستقل است. بنابراین ما در این تحقیق، این مورد را بررسی کردیم که چطور می توان تحقیقات مربوط به ریسک سیستمی کنونی را از لحاظ مفهومی و همچنین تجربی به روشهای تحلیل ریسک سنتی مرتبط کرد. ما بر مبنای نظریه اسکلار  که یک رابطه تک به تک بین توزیع چند متغیره و توابع مفصل در نظرگرفته، یک شکل جدید از مفهوم توابع مفصل را براساس دیدگاه شبکه ای پیشنهاد دادیم. این دیدگاه یک روش مطمئن را در مورد ریسک مجزای یکپارچه ( به شکل توزیع های احتمالی) و ریسک سیستمی (به شکل توابع مفصل که مولفه های مستقل موجود در چنین توزیع هایی را مشخص می کنند) در تمامی حوزه های تحقیقاتی ارائه می دهد. توابع مفصل می توانند حالت های گره ها را که مشخص کننده ریسک های مجزا هستند به طور پیوسته به صورت یک تابع تدریجی از شدت اتصال بین گره ها در حالت خودشان که مشخص کننده ریسک سیستمی هستند، مرتبط کنند. زمانیکه توابع مفصل برای توضیح چنین اتصال دقیقی بین گره ها مورد استفاده قرار می گیرد می تواند یک کمیت بسیار دقیق تر از ساختار شبکه ای سیستم ارائه دهد که به این ترتیب ارزیابی ریسک سیستمی را واقعی تر می کند و مخصوصا در هنگام بروز حوادث بسیار ناگوار (که احتمال وقوع کمتر اما اثر بسیار بیشتری دارند) که روی گره های سیستم تاثیر می گذارند؛ کاربرد بیشتری دارد. به این ترتیب، توابع مفصل می توانند در محاسبه میزان تغییرات در ریسک سیستمی مورد استفاده قرار گیرند و بنابراین کمک بزرگی برای مدیریت آنها باشند. ما در این مقاله مزایا و محدودیت های توابع مفصل را برای تحلیل ریسک یکپارچه از لحاظ مدلسازی، اندازه گیری و مدیریت مورد بررسی قرار دادیم.

1- مقدمه

ریسک سیستمی به سبب افزایش پیچیدگی جهان و همچنین افزایش داده های در دسترس توجه بسیار زیادی را در رشته های علمی – کاربردی و نظری به خود جلب کرده است.)  (Page, 2015گزارش مربوط به خطرات جهانی اخیر که توسط مجمع جهانی اقتصاد  ارائه شده، افزایش روز افزون آسیب پذیری در برابر خطرات سیستمی و درک محدود از مدیریت آن را در حال حاضر و در آینده نشان داده است. درحالیکه تحقیق روی ریسک سیستمی مسئله جدیدی نیست – به طور مثال این مسئله در حوزه زیست شناسی از سال 1970مطرح بوده است (2003 Scheffer and Carpenter,)– حوادث اخیر مخصوصا در زمینه بحرانهای مالی جهانی (08/2007)، توجه بخش عظیمی از محققان و کارورزان را تاحد بی سابقه ای به خود جلب کرده است. ( Boss et al. 2004; Thurner and Poledna 2013; Hochrainer-Stigler et al. 2018) یکی از مشخصات متمایز کننده ریسک سیستم تاکید آن روی ارتباط بین ریسکهای مجزاست و به همین علت ریسک شبکه ای نیز نامیده می شود.(Helbing, 2013) برخلاف ریسک سیستمی تمرکز ریسک مجزا روی مولفه های مستقل است.  مهمتر اینکه در صورت تحقق یافتن ریسکهای مستقل تنها بخشی از سیستم دچار مشکل می شود در حالکیه در صورت تحقق ریسک سیستمی طبق تعریف آن سیستم از کار می افتد یا حداقل یک اختلال عظیم در عملکرد کل سیستم بوجود می آید.(Kovacevic et al. 2014)

Abstract

Systemic risk research is gaining traction across diverse disciplinary research communities, but has as yet not been strongly linked to traditional, well-established risk analysis research. This is due in part to the fact that systemic risk research focuses on the connection of elements within a system, while risk analysis research focuses more on individual risk to single elements. We therefore investigate how current systemic risk research can be related to traditional risk analysis approaches from a conceptual as well as an empirical point of view. Based on Sklar’s Theorem, which provides a one-to-one relationship between multivariate distributions and copulas, we suggest a reframing of the concept of copulas based on a network perspective. This provides a promising way forward for integrating individual risk (in the form of probability distributions) and systemic risk (in the form of copulas describing the dependencies among such distributions) across research domains. Copulas can link continuous node states, characterizing individual risks, with a gradual dependency of the coupling strength between nodes on their states, characterizing systemic risk. When copulas are used for describing such refined coupling between nodes, they can provide a more accurate quantification of a system’s network structure. This enables more realistic systemic risk assessments, and is especially useful when extreme events (that occur at low probabilities, but have high impacts) affect a system’s nodes. In this way, copulas can be informative in measuring and quantifying changes in systemic risk and therefore be helpful in its management. We discuss the advantages and limitations of copulas for integrative risk analyses from the perspectives of modeling, measurement, and management.

1 Introduction

Systemic risk is gaining increasing attention in theoretical and applied science disciplines due to the growing complexity of the world and the rise in data availability (Page 2015). The recent global risk report published by the World Economic Forum (WEF 2018) highlights the growing vulnerability to systemic risks and the limited understanding of its management, today and in the future. While research on systemic risk is not new—it has been discussed in ecology, for example, since the 1970s (Scheffer and Carpenter 2003)—recent events, in particular the global financial crisis of 2007/08, have increased interest on the part of researchers and practitioners to unprecedented levels (Boss et al. 2004; Thurner and Poledna 2013; Hochrainer-Stigler et al. 2018). A distinguishing feature of systemic risk is its emphasis on the connection between individual risks; it is therefore also called network risk (Helbing 2013). Contrary to systemic risk, individual risk focuses on single elements. Importantly, while the realization of individual risks may lead to a disaster in part of the system, the realization of systemic risk, by definition, leads to a breakdown, or at least a major dysfunction, of the whole system (Kovacevic et al. 2014).

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تحلیل ریسک و تحلیل ریسک سیستمی یکپارچه بر اساس توابع مفصل

Integrating Systemic Risk and Risk Analysis Using Copulas

اکستروپی باقیمانده آماره های ترتیبی

The residual extropy of order statistics

خلاصه
1- مقدمه
2 نتایج اکستروپی و مشخصه های باقی مانده
2-1- باقی مانده اکستروپی
2-2 خصوصیات چندین توزیعي
3- آمار اکستروپی باقی مانده
3-1 خواص مونوتوني
3-2 خصوصیات توزیع های پایه ای آمار سفارش
3-3 نتیجه و بحث بیشتر

خلاصه
آمار غیر مستقیم ، برای اندازه گیری عدم قطعیت باقی مانده از یک متغیر تصادفی، پیشنهاد شده است. خواص مونوتونی و خصوصیات نتایج این اندازه گیری مورد مطالعه قرار گرفت. خصوصیات مشابهی از اندازه گیری پیشنهادی از آمار نظم نیز مورد تحلیل واقع شد.
3- آمار اکستروپی باقی مانده:
آمار سفارش را می توان در بسیاری از زمینه ها استفاده کرد، از جمله استنتاج آماری، آزمون های خوب بودن، قابلیت اطمینان و کنترل کیفیت است. برای مثال، در نظریه قابلیت اطمینان، برای مدلسازی آماری، از آمار مرتبه استفاده می شود. آمار رسمی i در نمونه ای از اندازه n نشان دهنده طول عمر سیستم (n i + 1 -out-of-n )می باشد. اخیرا چندین نویسنده این موضوع را مطالعه کرده اند. از توصیف توزیع زیرزمینی یک نمونه بر اساس آنتروپی و یا نسخه های تعمیم یافته آن از نظم آماراست. باراتپور و همکاران (2007، 2008) نشان دادند که آنتروپی شانون و آنتروپی رنیی از آمار نظم i می توانند توزیع پایه را به طور منحصر به فرد نشان دهند. نتایج مشابهی در براتپور (2010) برای آنتروپی باقیمانده تجمعی از آمار نظم اول در آنتروپی پویا از آمار نظم i ام است. در ابتدا، خواص مونوتوني انتروپی باقی مانده را مطالعه می کنیم و سپس نشان می دهیم که اکستروپی غیرمستقیم از آمار نظم نیز می تواند توزیع اساسی را به صورت منحصر به فرد تعیین کند.

Abstract

Residual extropy was proposed to measure residual uncertainty of a random variable. Monotone properties and characterization results of this measure were studied. Similar properties of the proposed measure of order statistics were also discussed.

3- Residual extropy of order statistics

Order statistics can be used in many fields, including statistical inference, goodness-of-fit tests, reliability, and quality control. For example, in reliability theory, order statistics are used for statistical modeling. The ith order statistic in a sample of size n represents the life length of an (n − i + 1)-out-of-n system. Recently, several authors studied the subject of characterizing underlying distribution of a sample based on the entropy or its generalized versions of order statistics. Baratpour et al. (2007, 2008) showed that Shannon entropy and Rényi entropy of the ith order statistic can characterize the underlying distribution uniquely. Similar results can be found in Baratpour (2010) for cumulative residual entropy of the first order statistic, and in Gupta et al. (2014) for dynamic entropy of the ith order statistic. In this section, we first study the monotone properties of residual extropy, and then we show that the residual extropy of order statistics can also determine the underlying distribution uniquely.

اکستروپی باقیمانده آماره های ترتیبی

The residual extropy of order statistics

آزمون CUSUM برای تشخیص تغییر میانگین پانل

A CUSUM test for panel mean change detection

چکیده

1. مقدمه

2. تشخیص تغییر میانگین

3. مقایسه مونته کارلو (Monte Carlo)

4. تشخیص تغییر نوسانی

5. یک مثال

6. نتایج

7. اثبات ها

چکیده

در این مقاله یک آزمون برای تغییر میانگین ساختاری پانل از CUSUM فرایندهای پانل توسعه یافته است. محدودکردن توزیع صفر آزمون و همچنین سازگاری آزمون نیز برقرار شده است. آزمون نشان داده است که اندازه نمونه محدود پایداری را نسبت به آزمون موجود از Horvath and Huskova (2012) که مبتنی بر CUSUM مجذور می باشد، دارا می باشد. اگر تغییرات میانگین در آن (آزمون) لغو نشود، میانگین آن ها از صفر دور می شود، آزمون پیشنهادی قدرت بهتری نسبت به آزمون موجود دارد. ازطرفی، اگر میانگین تغییرات تا حدی لغو شود، آنگاه آزمون موجود قدرت بهتری خواهدداشت. در این مقاله، آزمون های پیشنهادی با تجزیه وتحلیل مجموعه داده های واقعی نشان داده شده است.

1. مقدمه

مسائل تغییر ساختاری در مدل های داده ای پانل موضوعات مهمی برای تحلیل داده های اقتصادی و مالی هستند زیرا تغییر بزرگ سیاست اقتصاد کلان یا بحران های مالی تاثیر همزمانی بر بسیاری از متغیرهای اقتصادی و مالی دارند. تحقیقات برای مسائل تغییر ساختاری در مدل های پانل به دلیل مقدار گسترده داده ها در دنیای اقتصاد مدرن یا بازارهای مالی بسیار فعال می باشد. برخی مطالعات مانند مطالعات انجام شده توسط Bai (1997)، Bai et al. (1998) و Han and Park (1989) برای برآورد نقطه تغییر و آزمایش سری مدل های زمانی چند متغیره، و توسط Emerson and Kao (2001, 2002) برای آزمایش تغییر ساختاری رگرسیون روند زمانی در داده های پانل انجام شده است.

6. نتایج

ما آزمون تغییر میانگین پانل را مبتنی بر CUSUM فرایندهای پانل درنظر گرفتیم. آزمون اندازه عملکردی بهتری نسبت به آزمون موجود از Horvath and Huskova (2012) دارا می باشد. در مقایسه با آزمون موجود، آزمون پیشنهادی قدرت بهتری دربرابر تغییرات غیرلغو دارد اما در عوض قدرت بدتری نیز در برابر لغو تغییرات دارا می باشد. بنابراین، وقتی ما اطلاعات قبلی داریم که میانگین ها به جهت مشترکی همانند بحران مالی گسترده منتقل می شوند، ما آزمون پیشنهادی را به آزمون موجود ترجیح می دهیم. وقتی ما اطلاعات قبلی از لغو تغییرات داریم، آزمون موجود باید ترجیح داده شود. وقتی ما اطلاعات درباره جهت انتقال میانگین نداریم، نیاز به درنظر گرفتن هردو آزمون پیشنهادی و آزمون موجود داریم زیرا هیچ یک از دو آزمون در قدرت عملکردی بر دیگری غالب نمی باشند. اگر یک توضیح نظری درباره تفاوت مونته کارلو بین  Sup B آزمون پیشنهادی و Sup H آزمون موجود داشته باشیم، بهتر خواهدبود. بررسی نقطه نظری نیز می تواند یک موضوع خوب برای تحقیق در آینده باشد.

Abstract

A test for panel structural mean change is developed from the CUSUM of the panel processes. Limiting null distribution and consistency of the test are established. The test is shown to have stable finite sample sizes than the existing test of Horvath and Huskova (2012) based on the squared CUSUM. If the mean changes are not cancelled in that their average is away from zero, the proposed test has better power than the existing test. On the other hand, if the mean changes are nearly cancelled, the existing test has better power. The proposed tests are illustrated by a real data set analysis.

1. Introduction

Structural change problems in panel data models are important issues for economic or financial data analysis because a big macroeconomic policy change or a financial crisis has simultaneous influence on many economic or financial variables. Researches for structural change problems in panel models have been activated due to a vast amount of data in the modern economic world or financial markets. Some studies were made by Bai (1997), Bai et al. (1998) and Han and Park (1989) for change point estimation and testing of multivariate time series models and by Emerson and Kao (2001, 2002) for testing of structural change of a time trend regression in panel data.

6. Conclusion

We have considered a panel mean change test based on the CUSUM of the panel processes. The test has better size performance than the existing test of Horvath and Huskova (2012). Compared with the existing test, the proposed test has better power against non-cancelling changes but has worse power against cancelling changes. Therefore, when we have prior information that the means are shifted to a common direction as in the world wide financial crisis, we may prefer the proposed test to the existing one. When we have the prior information of cancelling changes, the existing test should be preferred. When we do not have information on the direction of mean shifts, we need to consider both of the proposed test and the existing one because none of the two dominates the other one in power performance. It would be better if we have a theoretical explanation on the Monte-Carlo difference between the proposed test SupB and the existing test Sup H. Investigation of the theoretical point may be a good topic of future research.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آزمون CUSUM برای تشخیص تغییر میانگین پانل

A CUSUM test for panel mean change detection

آنتروپی زبانی فازی نامطمئن و معیارهای کراس آنتروپی و روش جایگزین برای تصمیم گیری چند معیار

Hesitant Fuzzy Linguistic Entropy and Cross-Entropy Measures and Alternative Queuing Method for Multiple Criteria Decision Making

چکیده
1- مقدمه
2- مجموعه اصطلاحات زبانی فازی نامطمئن
3- معیارهای شباهت و آنتروپی زبانی فازی نامطمئن
3-1- معیارهای آنتروپی زبانی فازی نامطمئن
3-2- روابط بین معیارهای آنتروپی زبانی فازی نامطمئن و معیارهای شباهت
4- معیارهای کراس آنتروپی زبانی فازی نامطمئن
5- روش تعیین وزن و روش صف بندی جایگزین زبانی فازی نامطمئن
5-1- روش تعیین وزن بر مبنای کراس آنتروپی و آنتروپی زبانی فازی نامطمئن
5-2- روش صف بندی جایگزین زبانی فازی نامطمئن
6- مطالعه موردی
6-1- یک کاربرد عملی از روش تعیین وزن و HFL-AQM
6-2- تجزیه و تحلیلهای مقایسه ای
7- نتیجه گیری

چکیده

مجموعه اصطلاحات زبانی فازی نامطمئن (HFLTS) ابزاری سودمند برای توصیف شناخت ذهنی افراد در روند تصمیم‌گیری است. معیار چندگانه تصمیم‌گیری (MCDM) شامل دو مرحله مهم است: (1) تعیین وزن معیارها؛ (2) کسب یک رتبه بندی مناسب از گزینه ها. در این مقاله، ما برخی از معیارهای کراس آنتروپی و آنتروپی زبانی فازی نامطمئن را ارائه می دهیم و سپس یک مدل برای تعیین وزن معیارها ایجاد می نماییم که هم تاثیر هر عامل زبانی فازی نامطمئن (HFLE ) و هم اثر تعاملی بین هر یک از دو HFLEs را با توجه به هر معیار در نظر می گیرد. علاوه براین، ما یک روش صف بندی جایگزین زبانی فازی نامطمئن (HFL-AQM) را برای رسیدگی به مشکلات MCDM ارائه می دهیم. نمودار جهتدار و ماتریس روابط تقدم و تاخر، فرایندهای محاسبه و نتایج نهایی را متبحرانه تر می سازد. در پایان، یک مطالعه موردی در رابطه با مدیریت یک بیمارستان عالی برای تایید روش تعیین وزن و HFL-AQM انجام می شود.

7- نتیجه گیری

در این مقاله، ما برخی از معیارهای کراس آنتروپی و آنتروپی زبانی فازی نامطمئن را معرفی کرده ایم و در مورد ویژگیهای آنها بحث کرده ایم. با ترکیب آنها یک مدل تعیین وزن ایجاد شده است. علاوه براین، ما یک HFL-AQM را برای بررسی مسائل MCDM بر اساس گراف جهتدار و ماتریس روابط تقدم و تاخر ایجاد کرده ایم. در پایان، یک مطالعه موردی در رابطه با مدیریت یک بیمارستان عالی به منظور تایید روش تعیین وزن و HFL-AQM انجام شده است ، بطوریکه یک روش مطلوب برای بررسی مسائل بیمارستانهای عالی در رابطه با پزشکی سلسله مراتبی (HM) انتخاب شده است. برخی از مقایسه ها برای روش تعیین وزن و عامل WHFLBM انجام شده اند، تا بهره وری و اثربخشی روش ما مورد تایید قرار بگیرد.

Abstract

Hesitant fuzzy linguistic term set (HFLTS) is a useful tool for describing people’s subjective cognitions in the process of decision making. Multiple criteria decision making (MCDM) involves two important steps: (1) determining the criteria weights; (2) obtaining a suitable ranking of alternatives. In this paper, we propose some hesitant fuzzy linguistic entropy and cross-entropy measures, and then establish a model for determining the criteria weights, which considers both the individual effect of each hesitant fuzzy linguistic element (HFLE) and the interactive effect between any two HFLEs with respect to each criterion. Additionally, we give a hesitant fuzzy linguistic alternative queuing method (HFL-AQM) to deal with the MCDM problems. The directed graph and the precedence relationship matrix make the calculation processes and the final results much more intuitive. Finally, a case study concerning the tertiary hospital management is made to verify the weight-determining method and the HFL-AQM.

7- Conclusions

In this paper, we have introduced some hesitant fuzzy linguistic entropy and cross-entropy measures, and discussed their properties. By combining them, a weight-determining model has been established. Additionally, we have developed a HFL-AQM to deal with the MCDM problems based on the directed graph and the precedence relationship matrix. Finally, a case study concerning the tertiary hospital management has been made to verify the weight-determining method and the HFL-AQM, in which the optimal method has been selected to deal with the problems of tertiary hospitals related to hierarchical medical (HM). Some comparisons of our weight-determining method and the HFL-AQM with the satisfaction degree-based method and the WHFLBM operator have been made so as to validate the efficiency and effectiveness of our method.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آنتروپی زبانی فازی نامطمئن و معیارهای کراس آنتروپی و روش جایگزین برای تصمیم گیری چند معیار

Hesitant Fuzzy Linguistic Entropy and Cross-Entropy Measures and Alternative Queuing Method for Multiple Criteria Decision Making

مدل شبکه‌ عصبی رگرسیون خودکار چندک با کاربردهایی در ارزیابی ارزش در ریسک

Quantile autoregression neural network model with applications to evaluating value at risk

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدل شبکه‌ عصبی رگرسیون خودکار چندک با کاربردهایی در ارزیابی ارزش در ریسک

Quantile autoregression neural network model with applications to evaluating value at risk

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

حل گذرای یک صف تعطیلات M/M/1 با سرور منتظر و مشتریان بی تاب

Transient solution of an M/M/1 vacation queue with a waiting server and impatient customers

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

حل گذرای یک صف تعطیلات M/M/1 با سرور منتظر و مشتریان بی تاب

Transient solution of an M/M/1 vacation queue with a waiting server and impatient customers

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory

چکیده

1- مقدمه

2- اصول مقدماتی

1- 2 تئوری شواهد دمپستر-شافر

2- 2 روش ترکیب میانگین وزن دار (موزون)

3- 2 آنتروپی دنگ

4- 2 روش Fan و Zuo

3- روش پیشنهادی

1- 3 قابلیت اطمینان ایستا

2- 3 قابلیت اطمینان پویا

3- 3 قابلیت اطمینان جامع حسگر

4- کاربرد

5- نتایج

چکیده

ترکیب داده های حسگر نقش مهمی در عیب شناسی ایفا می نماید. تئوری (نظریه) شواهد دمپستر- شافر (D-R) در عیب شناسی کاربرد وسیعی دارد، زیرا در ترکیب شواهد بدست آمده از حسگرهای مختلف، کارآمد ظاهر می شود. اما، در موقعیت های شواهد ضد و نقیض، نتیجه ای دور از عقل بدست می آید. برای بررسی این مسئله، در این مقاله روش جدیدی پیشنهاد می شود. در اینجا قابلیت اطمینان آماری و پویای حسگر مورد توجه قرار می گیرد. برای دستیابی برای قابلیت اطمینان پویای هر گزارش حسگر، تابع فاصله شواهد و آنتروپی باور باهم ترکیب می شوند. از روش میانگین گیری وزنی برای تغییر شواهد متناقض با تخصیص اوزان متفاوت به شواهد طبق قابلیت اطمینان حسگر استفاده می شود. به خاطر توجه به حجم اطلاعات هر گزارش حسگر، روش پیشنهادی در زمینه مدیریت تعارض و عیب شناسی، عملکرد بهتری به معرض نمایش می گذارد. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی مبتنی بر ترکیب و تلفیق حسگر شرح داده می شود. نتایج بدست آمده نشان می دهد که در مقایسه با روشهای موجود، روش پیشنهادی، صحت عیب شناسی را از 19. 81 درصد به 48. 89 درصد افزایش می دهد.

5- نتایج

چگونگی مدلسازی کارآمد قابلیت اطمینان حسگر، عملکرد سیستم ترکیب حسگر را به میزان زیادی تحت تاثیر قرار می دهد. برای بررسی این موضوع، در این مقاله، یک مدل قابلیت اطمینان حسگر جدید مرکب از قابلیت اطمینان پویا وایستا مطرح شده است. خصوصیت پویای قابلیت اطمینان حسگر با تابع فاصله گزارش حسگر و حجم اطلاعات هرگزارش حسگر تعیین می شود. برای بهبود قاعده ترکیب کلاسیکی دمپستر، ضریب تنزیل جدیدی پیشنهاد می شود. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی شرح داده می شود. به نظر می رسد روش پیشنهادی در مقابله با شواهد متعارض، کارآمدتر ظاهر می شود. به علاوه، طبق نتایج بدست آمده در این مقاله، روش جدید قادر به شناسایی درست عیب و بهبود صحت عیب شناسی از 81.19 درصد به 89.48 درصد می باشد.

Abstract

Sensor data fusion plays an important role in fault diagnosis. Dempster–Shafer (D-R) evidence theory is widely used in fault diagnosis, since it is efficient to combine evidence from different sensors. However, under the situation where the evidence highly conflicts, it may obtain a counterintuitive result. To address the issue, a new method is proposed in this paper. Not only the statistic sensor reliability, but also the dynamic sensor reliability are taken into consideration. The evidence distance function and the belief entropy are combined to obtain the dynamic reliability of each sensor report. A weighted averaging method is adopted to modify the conflict evidence by assigning different weights to evidence according to sensor reliability. The proposed method has better performance in conflict management and fault diagnosis due to the fact that the information volume of each sensor report is taken into consideration. An application in fault diagnosis based on sensor fusion is illustrated to show the efficiency of the proposed method. The results show that the proposed method improves the accuracy of fault diagnosis from 81.19% to 89.48% compared to the existing methods.

5- Conclusions

How to efficiently model sensor reliability greatly affects the performance of the sensor fusion system. To address this issue, a new sensor reliability model combining both dynamic reliability and static reliability is presented in this paper. The dynamic property of the sensor reliability is determined by the distance function of the sensor report and the information volume of each sensor report. A new discounting coefficient is proposed to improve the classical Dempster combination rule. An application in fault diagnosis is illustrated to show the efficiency of our proposed method. It seems that our proposed method is more efficient for handling highly conflicting evidence. In addition, from the result obtained in this paper, the new method can identify the fault correctly and improve the accuracy of fault diagnosis from 81.19% to 89.48%.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory