دانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80887220180121A new approach for testing fuzzy hypotheses based on p-valueیک نگرش جدید برای آزمون فرضیه های فازی بر اساس p-مقدار1231355710.22055/jamm.2018.19044.1322FAمحسنعارفیگروه آمار، دانشگاه بیرجندJournal Article20160822In this paper, a new approach is presented for testing fuzzy hypotheses based on p-value method. In this method, we first formulate the hypotheses of interest by fuzzy sets, and then, the p-value is defined to integrate under the -cuts of null fuzzy hypothesis. To compare the proposed p-value with the test significance level, we decide to accept or reject the null fuzzy hypothesis. Finally, the proposed method is employed by some numerical examples.در این مقاله، یک شیوه جدید برای آزمون فرضیه های فازی بر اساس رویکرد p-مقدار مورد بررسی و مطالعه قرار گرفته است. در این روش، ابتدا فرضیه های مورد نظر بر اساس مجموعه های فازی معرفی می گردند، و آنگاه، p-مقدار بر اساس انتگرالگیری روی دلتا-برشهای فرضیه صفر فازی محاسبه می گردد. با مقایسه p-مقدار ارائه شده با سطح معناداری آزمون، تصمیم گیری در مورد رد یا پذیرش فرضیه صفر فازی انجام می گیرد. در نهایت، با ارائه برخی مثال های عددی، روش مورد نظر تشریح گردیده است.https://jamm.scu.ac.ir/article_13557_99a950f7283b906e08bd1b4b6c47112f.pdfدانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80887220180121Modeling Mixed Continuous and Ordinal Longitudinal Responses Under Drop-out Mechanismمدلبندی پاسخهای آمیخته طولی پیوسته و ترتیبی تحت مکانیسم گمشدگی انصراف25411355810.22055/jamm.2018.23017.1477FAسجادنوریانگروه آمار، دانشکده علوم، دانشگاه قم، قم، ایران0000-0002-0924-1674Journal Article20170816In some longitudinal studies, especially in social, economic, medical and other fields, there may be two interested responses with two different scales at a time where they may be correlated with each other. Also, considering the nature of longitudinal studies, each of the responses associated with a subject over time can also be correlated. So two correlation structure should be considered simultaneously in the data analysis. In a longitudinal study, some subjects may not be available for any reason (such as displacement, death and others), <br /> In a longitudinal study, some subjects may withdraw for any reason (such as displacement, death, etc.) and their information is not available. In this case, joint modeling of longitudinal data and drop-out event is more desirable than separate modeling of either one. In this paper, the mathematics modeling of this type of data under drop-out mechanism is presented using Bayesian approach. A Simulations study and a real data analysis is used to evaluate the performance of the proposed model. This model includes the presented models for complete data as a special case when there is no drop-out in the data set. Also, some tests for choosing the best fitted model to data are performed in the real data analysis.در برخی از مطالعات طولی، بویژه در زمینههای اجتماعی، اقتصادی، پزشکی و غیره ممکن است به طور همزمان دو پاسخ مورد علاقه با دو مقیاس اندازهگیری متفاوت وجود داشته باشد که این دو پاسخ میتوانند با یکدیگر همبسته باشند. از طرفی با توجه به ماهیت مطالعههای طولی، هر یک از پاسخهای مرتبط با یک آزمودنی در طول زمان نیز میتوانند با یکدیگر همبسته هستند. پس باید در تحلیل این دسته از دادهها دو نوع ساختار همبستگی به طور همزمان در نظر گرفته شود. در یک مطالعهی طولی، ممکن است برای برخی آزمودنیها به هر دلیلی (مانند تغییر مکان، فوت و ...) انصراف رخ دهد و اطلاعات آنها موجود نباشد. در این حالت مدلبندی همزمان دادههای آمیختهی طولی با پدیدهی انصراف، مطلوبتر از مدلبندی جداگانهی هر یک از آنها است. در این مقاله، مدلیندی ریاضی این گونه از دادهها تحت مکانیزم گمشدگی انصراف با استفاده از رویکرد بیزی ارائه میشود. از مطالعه شبیهسازی و تحلیل مثال کاربردی برای ارزیابی عملکرد مدل پیشنهادی استفاده شده است. این مدل، مدلهای ارائه شده برای دادههای کامل را به عنوان یک حالت خاص شامل میشود. همچنین در تحلیل مثال کاربردی نیز چند آزمون برای انتخاب بهترین مدل برازش داده شده به دادهها انجام شده است.https://jamm.scu.ac.ir/article_13558_d28adee5a4f080955dd48072225ceccc.pdfدانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80887220180121Inference for Stress-Strength Parameter of Two Weibull Populations Under General Joint Progressive Type-II Censoring Schemeاستنباط پیرامون پارامتر تنش-مقاومت برای دو جامعه وایبول تحت طرح سانسور توأم فزاینده نوع دوم کلی43601355910.22055/jamm.2018.18475.1306FAحسیننادبگروه آمار-دانشگاه یزدسعیدهبافکری فدافنگروه آمار-دانشگاه یزدحمزهترابیگروه آمار-دانشگاه یزد0000-0002-4200-9770Journal Article20160703In this paper, inference for stress-strength parameter of two Weibull<br /> populations with same shape parameters under general join progressive<br /> Type-II censoring scheme is given. First, for the parameter, the maximum<br /> likelihood estimator and bootstrap and normal approximation confidence<br /> interval are presented. Using a simulation study, the maximum likelihood<br /> estimator and bootstrap and normal approximation confidence interval are<br /> evaluated. Finally, the proposed procedures, are performed on a data set.در این مقاله، استنباط پیرامون پارامتر تنش-مقاومت تحت طرح سانسور توأم فزاینده نوع دوم<br /> کلی برای دو جامعه وایبول با پارامترهای شکل یکسان انجام می شود. ابتدا روش یافتن برآوردگر<br /> ماکسیمم درستنمایی و بازه های اطمینان تقریب نرمال و بوت استرپ ارائه می شود. سپس با استفاده از<br /> شبیه سازی، عملکرد برآوردگر ماکسیمم درستنمایی و بازه های اطمینان تقریب نرمال و بوت استرپ مورد<br /> ارزیابی قرار می گیرد. سرانجام روش های ارائه شده، روی یک مجموعه از داده انجام می شود.https://jamm.scu.ac.ir/article_13559_cc43b0186c600f09e10ab96b6b596a62.pdfدانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80887220180121Hierarchical Bayes M-Quantile Regression Analysis Under Type 2 Huber Lossتحلیل بیز سلسلهمراتبی رگرسیون چندکی از نوع ماکسیمم درستنمایی تحت تابع زیان هابر نوع 261841356010.22055/jamm.2018.19022.1320FAافشینفلاحگروه آمار-دانشگاه بین المللی امام خمینی قزوینمنیرمیرزاییگروه آمار-دانشگاه بین المللی امام خمینی قزوینJournal Article20160821Quantile regression model and its generalizations, including M-quantile regression model, are analyzed usually via a nonparametric approach and their parameters are estimated using some iterative optimization algorithms. For these reason, in these models confidence intervals and hypotheses testing have done perforce using rank-based or bootstrapping approaches. In this paper, we consider parametric analysis of M-quantile model. It is shown that, the frequentist based approach of maximum likelihood estimation leads to results that are similar to the nonparametric approach. Hence, in order to achieve a more afficient model, we have been used the Bayes theory and a hierarchical Bayes model has been developed. The efficiency of the proposed model has been assessed via a simulation study and real word example. The results show that the Bayesian approach of m-quantile regression analysis is more efficient than the correspond frequantist approach, for all sample sizes. In addition, the proposed model truly takes into account the effect of the outlier observation, which causes skewness in response variable distribution, in modeling.مدل رگرسیون چندکی و تعمیمهای آن، از جمله مدل رگرسیون چندکی از نوع ماکسیمم درستنمایی، بهصورت سنتی بهشیوه ناپارامتری تحلیل و پارامترهای آنها بهکمک برخی الگوریتمهای تکراری بهینهسازی براورد میشوند. به همین دلیل، در این مدلها برای ساختن بازههای اطمینان و انجام آزمون فرضها به ناچار از روشهای مبتنی بر رتبه مشاهدات یا خودگردانی، استفاده میشود. در این مقاله، تحلیل پارامتری مدل رگرسیونی چندکی از نوع ماکسیمم درستنمایی مدنظر قرار گرفته است. نشان دادهشده است که رهیافت فراوانیگرایانه مبتنی بر براورد ماکسیمم درستنمایی، نتایجی منطبق بر روش ناپارامتری دارد. از اینرو، برای دستیابی به مدلی کاراتر، از نظریه بیز استفاده شده و یک مدل بیز سلسلهمراتبی توسعه داده شدهاست. کارایی مدل پیشنهادی در قالب یک مطالعه شبیهسازی و یک مثال کاربردی مورد ارزیابی قرار گرفته و با مدل رقیب مقایسه شده است.نتایج نشان میدهند که رهیافت بیزی تحلیل رگرسیون چندکی از نوع ماکسیمم درستنمایی، بهازای همه اندازههای نمونهای در مقایسه با مدل رقیب فراوانیگرا کاراتر است. بعلاوه، مدل پیشنهادی بهخوبی تاثیر وجود نقاط دورافتاده در مشاهدات را که موجب چولگی توزیع متغیر پاسخ میشوند، در مدلسازی لحاظ میکند.https://jamm.scu.ac.ir/article_13560_4bf460dc6dbfc7a6626912b809f439fb.pdfدانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80887220180121Haar wavelet quasilinearization method for solving nonlinear Troesch’s and Bratu’s problemsروش شبه خطی کردن موجک هار برای حل مسائل غیر خطی تراسچ و براتو851021356110.22055/jamm.2018.18862.1307FAمحمدضارب نیاگروه ریاضی-دانشگاه محقق اردبیلیحسینحسین برندک ایمچهگروه ریاضی-دانشگاه محقق اردبیلیJournal Article20160806In this paper, we present a numerical method for solving nonlinear Troesch’s and Bratu’s problems. Quasilinearization process together with Haar wavelet approximation are employed to convert a nonlinear problem intoa set of linear algebraic equations. Several examples are given. We compare obtained computational results with available numerical and exact solutions found in the literature. Also numerical results are given in tables and figures and it is shown that the Haar wavelet quasilinearization (HWQ)approach is very attractive, convenient and effective.در این مقاله یک روش عددی برای حل مسائل غیر خطی تراسچ و براتو ارائه میکنیم. در این روش از فر آیند شبه خطی کردن و تابع پایهای موجک هار برای تبدیل مسائل غیر خطی به دستگاه معادلات جبری خطی استفاده خواهیم کرد. چند مثال عددی آورده شده است و نتایج عددی بدست آمده از روش ارائه شده را با نتایج حاصل از روشهای تحلیلی و عددی موجود در منابع مختلف مقایسه خواهیم کرد. همچنین نتایج بدست آمده را در قالب جداول و نمودارهایی ارائه کرده و نشان خواهیم دادکه حل مسائل غیر خطی تراسچ و براتو به روش شبه خطی کردن موجک هار (HWQ) بسیار کارا، مناسب و موثر است.https://jamm.scu.ac.ir/article_13561_ba2aaa94c1d9a823e71c5bf5da5e7e83.pdfدانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80887220180121Mathematical modeling of Green closed loop supply chain network with consideration of supply risk: Case Studyمدل سازی ریاضی شبکه زنجیره تامین حلقه بسته سبز با در نظر گرفتن ریسک تامین: مطالعه موردی1031221356210.22055/jamm.2018.18354.1303FAطهمورثسهرابیگروه مدیریت صنعتی، دانشگاه ازاد اسلامی واحد تهران مرکز، تهرانمحسناعتمادگروه مدیریت صنعتی، دانشگاه ازاد اسلامی واحد تهران مرکز، تهرانمحمد رضافتحیدانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران، قمJournal Article20160623Strong competition in today's markets has forced organizations to act as supply chain members. The supply chain member helps companies focus on specific domains and can quickly respond to changing customer needs and improve their flexibility and agility. The design of supply chain network is to provide structural design for new chains or reengineer existing networks in order to increase overall value. At this point, different decisions are made about the number of network levels, location, capacity and material flows across the network. Therefore, this paper presents a fuzzy multifunctional integer programming model that seeks to minimize costs, minimize environmental impacts, and minimize the risk of supplying raw materials. This model includes all levels of closed loop supply chain and is comprehensive with previous supply chain network design models. In order to implement the developed model, we use the data of Hamedan Glass Company. In the following, the proposed modeling mathematical model has been solved with a precise methodology, which shows the location and capacity of the facility, the amount of production in the production centers, the determination of technology.رقابت شدید در بازارهای امروزی، سازمان ها را مجبور کرده است تا به عنوان اعضای زنجیره تامین عمل کنند. عضو زنجیره تامین بودن به شرکت ها کمک می کند تا بر روی حوزه های خاصی متمرکز شوند و بتوانند به سرعت به تغییرات نیازهای مشتری پاسخ دهند و انعطاف پذیری و چابکی خود را بهبود دهند. هدف طراحی شبکه زنجیره تامین طراحی ساختاری برای زنجیره های جدید یا مهندسی مجدد شبکه های موجود به منظور افزایش ارزش کل است. در این مرحله تصمیات مختلفی در مورد تعداد سطوح شبکه، موقعیت، ظرفیت تسهیلات و جریان مواد در سرتاسر شبکه گرفته می شود. بنابراین در این مقاله یک مدل برنامه ریزی عدد صحیح مختلط چند هدفه فازی که به دنبال حداقل کردن هزینه ها، حداقل کردن اثرات زیست محیطی و حداقل کردن ریسک تامین مواد اولیه می باشد، ارائه شده است. این مدل در برگیرنده تمام سطوح زنجیره تامین حلقه بسته می باشد و نسبت به مدل های طراحی شبکه زنجیره تامین قبلی جامعیت دارد. جهت پیاده سازی مدل تدوین شده، از داده های شرکت شیشه سازی همدان استفاده می کنیم. در ادامه مدل برنامه ریزی ریاضی پیشنهادی با یک روش حل دقیق حل شده است که نتایج آن نشان دهنده مکان و ظرفیت تسهیلات، میزان تولید در مراکز تولید، تعیین تکنولوژی می باشد.https://jamm.scu.ac.ir/article_13562_71810db2576e84eab12bd1389bd3312d.pdf