دانشگاه شهید چمران اهواز
مجله مدلسازی پیشرفته ریاضی
2251-8088
2645-6141
6
1
2016
08
22
روشی جدید در تعیین ورشکستگی با استفاده از تحلیل پوششی داده ها و تئوری مجموعه های راف فازی
1
22
FA
آیدا
باتمیز
دانشکده ریاضی، دانشگاه سیستان و بلوچستان
aida.batamiz@yahoo.com
فرانک
حسین زاده سلجوقی
دانشکده ریاضی، دانشگاه سیستان و بلوچستان
f_h_saljooghi@yahoo.com
علی اکبر
ثانوی
دانشکده ریاضی، دانشگاه سیستان و بلوچستان
ali.a.sanavi@gmail.com
10.22055/jamm.2016.12301
در شرایط متغیر اقتصادی و نوسانات شدید مالی در محیط های تجاری، وجود الگوهایی برای پیش بینی عملکرد مالی شرکتها از اهمیت بسزایی برخوردار است. یکی از این موارد پیش بینی وقوع بحران مالی و به عبارت دیگر ورشکستگی است. تحلیل پوششی داده ها (DEA) یک ابزار قدرتمند در اختیار مدیران است که عملکرد شرکت خود را در فعالیت های تجاری محک بزنند. مدلهای مرسوم تحلیل پوششی داده ها ارزیابی کارایی نسبی واحدهای تصمیم گیری (DMU) را در بهترین حالت انجام می دهند و درواقع در حالت خوشبینانه ارزیابی صورت می گیرد، ولی مدلهای دیگری در DEA معرفی شده اند که قابلیت اندازه گیری کارایی با دیدگاه بدبینانه را نیز دارند که دارای کاربردهای ویژه خود مانند ارزیابی ورشکستگی می باشند. این مقاله با استفاده از نظریه بازی های DEA و تخصیص، یک مدل جدید DEA در زمینه ورشکستگی را معرفی می کند و با تشکیل یک سیستم اطلاعاتی و استفاده از شاخص ها، ورشکستگی و کارایی را با استفاده از مفاهیم DEA راف و راف فازی محاسبه می کند. نتایج حاصل از مدل در تعیین ورشکستگی بین چند سازمان بررسی و محاسبه شده است.
ورشکستگی,نظریه بازی ها,تئوری مجموعه راف,راف فازی,DEA راف
https://jamm.scu.ac.ir/article_12301.html
https://jamm.scu.ac.ir/article_12301_fb5b638e9567a13e56b7f46f1a00889e.pdf
دانشگاه شهید چمران اهواز
مجله مدلسازی پیشرفته ریاضی
2251-8088
2645-6141
6
1
2016
08
22
برآورد کوچک ناحیه ای و پیشگویی فضایی
23
40
FA
محسن
محمدزاده
0000-0002-2361-6145
گروه آمار، دانشگاه تربیت مدرس
mohsen_m@modares.ac.ir
زهرا
ناصری
گروه آمار، دانشگاه تربیت مدرس
zahra.naseri@modares.ac.ir
10.22055/jamm.2016.12302
اندک بودن اندازه دادهها در آمارگیری از کوچک نواحی، موجب دقت کم برآوردهای مستقیم ویژگیهای مختلف در این نواحی میشود. با توجه به افزایش وسیع تقاضا برای تولید آمارهای معتبر و دقیق برای کوچک نواحی، مطالعات زیادی انجام شده است که با ارائه رهیافتهای مناسب این مشکل حل شود. معمولاً مدلهای آمیخته خطی اساس بسیاری از روشهای برآورد کوچک ناحیهای هستند که با استفاده از منابع مختلف، اطلاعاتی کمکی به برآوردگرهای مستقیم وام میدهند تا دقت آنها را افزایش دهند. چنانچه دادههای کوچک نواحی وابستگی فضایی داشته باشند، میتوان از مدل رگرسیونی که شامل متغیرهای کمکی و خطاهای همبسته فضایی به نواحی مجاور است، استفاده کرد. در این مقاله برآورد کوچک ناحیهای بر اساس مدل خطی با اثرات کوچک ناحیهٔ همبسته فضایی بررسی میشود که در آن ساختار همسایگی فضایی دادهها از طریق ماتریس مجاورت در مدل لحاظ میگردد و اطلاعات کمکی فضایی نیز در برآورد کوچک ناحیهای بهکار گرفته میشود. سپس برآورد کوچک ناحیهای میزان محصولات کشاورزی در شهرستانهای استان فارس با دو روش متداول EBLUP و MBDE و با دو رویکرد معمولی (غیرفضایی) و فضایی در سطح واحد آماری بهدست آورده خواهد شد آنگاه دقت آنها مورد ارزیابی و مقایسه قرار میگیرند.
کوچک ناحیه ای,مدل آمیخه خطی,پیشگویی فضایی,برآورد مدل مبنا
https://jamm.scu.ac.ir/article_12302.html
https://jamm.scu.ac.ir/article_12302_9d8c3926f10c30ca2e737e373a464584.pdf
دانشگاه شهید چمران اهواز
مجله مدلسازی پیشرفته ریاضی
2251-8088
2645-6141
6
1
2016
08
22
مقایسه دو زیر مجموعه از خانواده توزیعهای بتا-G با دو زیر مجموعه از خانواده توزیعهای زگرافوس-بالاکریشنان-G به کمک روش شبیه سازی مونت کارلو
41
60
FA
شهرام
یعقوب زاده شهرستانی
0000-0002-8794-2222
گروه آمار دانشگاه پیام نور، صندوق پستی 4697-19395، تهران، ایران
yagoubzade@gmail.com
علی
شادرخ
گروه آمار دانشگاه پیام نور، صندوق پستی 4697-19395، تهران، ایران
shadrokh.ali@gmail.com
10.22055/jamm.2016.12303
ددر این مقاله دو توزیع از خانواده توزیع های بتا-G با دو توزیع متناطر از خانواده توزیع های زگرافوس-بالاکریشنان-G که G یک توزیع از خانواده توزیع های سری توانی می باشد به کمک آماره های آزمون نیکویی برازش و تابع نرخ خطر و با استفاده از شبیه سازی مونت کارلو و دو مجموعه داده های واقعی مقایسه خواهد شد و نشان داده می شود که خانواده توزیع های بتا-G مدلی مناسب تر برای توزیع طول عمر می باشد..
خانواده توزیعهای بتا-G"," خانواده توزیعهای زگرافوس-بالاکریشنان-G"," تابع نرخ خطر"," شبیه سازی مونت کارلو "," یرآورد ماکسیمم درستنمایی
https://jamm.scu.ac.ir/article_12303.html
https://jamm.scu.ac.ir/article_12303_2caa85262284584f8708531fff228de3.pdf
دانشگاه شهید چمران اهواز
مجله مدلسازی پیشرفته ریاضی
2251-8088
2645-6141
6
1
2016
08
22
بر آورد پارامترهای فازی از طریق وزن های فازی و برنامه ریزی خطی
61
80
FA
صدیقه
دانش
گروه آمار، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
s.danesh@srbiau.ac.ir
رحمان
فرنوش
دانشکده ریاضی، دانشگاه علم و صنعت ایران، نارمک، تهران، ایران
rfarnoosh@iust.ac.ir
طاهره
رزاق نیا
گروه ریاضی و آمار, واحد رودهن, دانشگاه آزاد اسلامی، رودهن، ایران
razaghnia@riau.ac.ir
10.22055/jamm.2016.12304
تحلیل رگرسیون فازی یکی از پرکاربردترین تکنیکهای آماری میباشد که رابطه بین متغیرها را نشان میدهد. در این بررسی رگرسیون فازی با ورودی غیر فازی و خروجی فازی در نظر گرفته میشود. برای پیشبینی مدل رگرسیون فازی، یک الگوریتم هیبریدی بر پایه برنامهریزی خطی و وزنهای فازی، در مواردی که تعداد داده ها کم بوده و یا با رگرسیون ناپارامتری فازی سروکار داشته و شکل تابعی آن مشخص نمیباشد، طراحی میشود. در این برنامهریزی خطی، تابع هدف، پهنای خروجیها را کمینه میکند. با استفاده از مثالهای عددی، عملکرد این روش با روشهای دیگر مانند برنامهریزی خطی و برنامهریزی مربعی مقایسه میشود. در این مقاله، با استفاده از مثالها نشان داده میشود که روش هیبریدی در مقایسه با روشهای دیگر دقت پیشبینی بیشتری دارد.
رگرسیون فازی,برنامه ریزی خطی,برنامه ریزی مربعی,شبکه عصبی فازی تطبیقی
https://jamm.scu.ac.ir/article_12304.html
https://jamm.scu.ac.ir/article_12304_0cd56c5bc5d9fba36cc54ab20359ce65.pdf
دانشگاه شهید چمران اهواز
مجله مدلسازی پیشرفته ریاضی
2251-8088
2645-6141
6
1
2016
08
22
تقارن جواب بهین برای دامنهای متقارن
81
88
FA
محسن
زیوری رضاپور
0000-0003-0353-1950
گروه ریاضی، دانشگاه شهید چمران اهواز
mzivari@scu.ac.ir
مهدی
جلالوند
0000-0001-5962-8132
گروه ریاضی، دانشگاه شهید چمران اهواز
m.jalalvand@scu.ac.ir
10.22055/jamm.2016.12305
در این مقاله یک مساله بیشینه سازی وابسته به یک معادله لاپلاسین با شرط مرزی دیریکله را، روی دسته تجدید آرایش های یک تابع نامنفی، در نظر میگیریم. وقتی دامنهی معادله متقارن باشد، تحت شرایط خاص، ثابت میکنیم که جواب بهین مساله ماکزیمم سازی وابسته به آن نیز متقارن خواهد بود. همچنین نشان میدهیم که جواب بهین یکتاست.
معادله لاپلاسین,مساله بیشینه سازی,جواب بهین,تجدیدآرایش,تقارن,یکتایی
https://jamm.scu.ac.ir/article_12305.html
https://jamm.scu.ac.ir/article_12305_ee94367473821db839d0f29c8415c33f.pdf
دانشگاه شهید چمران اهواز
مجله مدلسازی پیشرفته ریاضی
2251-8088
2645-6141
6
1
2016
08
22
ارائه یک روش برنامه ریزی پویا کارا جهت بهینه سازی مسئله اندازه سفارش با محدودیت ظرفیت
89
102
FA
وحید
حاجی پور
0000-0002-3974-6403
باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، واحد قزوین
hajipour.v@wtiau.ac.ir
محمدرضا
محمدی زاده
باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، واحد قزوین
m.mohammadizadeh@yahoo.com
مرتضی
عباسی
دانشکده مدیریت و صنایع نرم، دانشگاه صنعتی مالک اشتر
moreabbassi@gmail.com
10.22055/jamm.2016.12300
در اکثر کاربردهای صنعتی یکی از مهمترین تصمیمات در مسائل اندازه انباشته تعیین بهترین مقدار تولید می باشد. در این مقاله، یک مدل برنامه ریزی ریاضی عدد صحیح برای مسئله اندازه انباشته با در نظر گرفتن زمان آماده سازی، موجودی اطمینان، هزینه کمبود و روشهای مختلف تولید ارائه می شود. هدف کمینه کردن مجموع هزینه های تولید، راه اندازی، نگهداری موجودی و کمبود موجودی است. برای حل مدل ارائه شده، یک روش برنامهریزی پویای پیشرو ارایه شده و کارایی آن با روش برنامه ریزی پویای کلاسیک پسرو مورد مقایسه قرار گرفته است. در نهایت، چندین مسئله آزمایشی با ابعاد مختلف تولید شده است. تجزیه و تحلیل آماری بر روی نتایج محاسباتی بدست آمده، نشان می دهد که روش برنامه ریزی پویای پیشنهادی از نقطه نظر زمان محاسباتی به مراتب عملکرد بهتری نسبت به برنامه ریزی پویای کلاسیک دارد.
برنامه ریزی ریاضی,مسئله بهینه سازی اندازه انباشته,برنامه ریزی پویا
https://jamm.scu.ac.ir/article_12300.html
https://jamm.scu.ac.ir/article_12300_3a239227ad957d45f1957b29d6363f3c.pdf