دانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80884220151023A Reliable multi-objective location-allocation model for blood supply systems under disruptionsاراﺋﻪی ﻣﺪل ﭼﻨﺪ ﻫﺪﻓﻪ ﻗﺎﺑﻞ اﻃﻤﯿﻨﺎن ﻣﮑﺎن ﯾﺎﺑﯽ-ﺗﺨﺼﯿﺺ ﺑﺮای ﺳﯿﺴﺘﻢﻫﺎی ﺗﺎﻣﯿﻦ ﺧﻮن ﺗﺤﺖ ﺷﺮاﯾﻂ اﺧﺘﻼل12511359FAنسترنکاظمیگروه مهندسی صنایع و سیستمها، دانشگاه علم و فناوری مازندرانزهرابادریگروه ریاضی، دانشگاه علم و فناوری مازندرانعلیبزرگی امیریدانشکده مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهرانJournal Article20141101In time of natural and man-made disasters, the supply of some commodities which are directly related to human life are very critical. In the real-world, supply systems are exposed to various disruptions in their facilities and these disruptions can essentially affect systems performance and can lead to shortage in the supply and importance of this subject is much more expressed in the blood supply case. In this paper, a multi–objective mathematical model is proposed for the collection of temporary blood facilities and allocation of blood donators to these places. The goals of the model are to minimize the maximum blood shortage in the blood bank and also to minimize the total cost in the worst case scenario in disruptions. In order to demonstrate the applicability of the proposed model, the epsilon constraint method is solved and analyzed on numerical examples.در زمان وقوع بلایای طبیعی و انسانساز، تامین برخی اقلام که ارتباط مستقیم بازندگی انسانها دارند، از اهمیت بالایی برخوردارند. در جهان واقعی سیستمهای عرضه با اختلالات بسیاری در تسهیلات خود روبهرو هستند و از کار افتادن تسهیلات منجر به عدم تامین بهموقع میشود و اهمیت این موضوع در سیستم تامین خون بیشتر آشکار میشود. در این مقاله، مدلی چندهدفه برای مکانیابی تسهیلات موقت جهت جمعآوری خون و تخصیص اهداکنندگان خون به این مکانها ارائهشده است. اهداف مدل شامل کمینه کردن بیشترین مقدار کمبود در مراکز خون در بدترین حالت وقوع اختلالات در تسهیلات و نیز کمینه کردن مجموع هزینهها در بدترین حالت وقوع اختلالات در تسهیلات میباشد. جهت نشان دادن کاربردپذیری مدل پیشنهادی، مساله با روش محدودیت اپسیلون بر روی مثال عددی حل و تجزیهوتحلیل شده استدانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80884220151023Applying a credibilistic mean-variance model in constructing portfolio of mutual fundsبکارگیری مدل میانگین- واریانس مبتنی بر اعتبار برای تشکیل سبدی از صندوق های سرمایه گذاری مشترک274811341FAمهساصمندرگروه مدیریت، دانشگاه شهید چمران اهوازحسنعلیسیناییگروه مدیریت، دانشگاه شهید چمران اهوازJournal Article20140712The present study evaluates the portfolio optimization problem (as one of the fundamental problems in the field of investments) with respect to the concepts of risk based on credibility theory. So that, a possibilistic portfolio optimization model (Zadeh 1965-1978) associates a new probabilistic portfolio optimization model, and The latter model, which actually comes in the form of a passive investment approach, formed around a portfolio of active equity mutual funds in the Tehran Stock Exchange from 2011 until the end of January of 2013 puts. The results of the implementation of the approach by use of genetic algorithms, suggesting a similar performance composed of a portfolio of mutual funds (based on the Sharpe index) with the market.تحقیق حاضر، به بررسی مسئله بهینه سازی پرتفوی (به عنوان یکی از مسائل بنیادین در حوزه ی سرمایه گذاری) با توجه به مفاهیم ریسک مبتنی بر تئوری اعتبار می پردازد. به نحوی که، مدل بهینه سازی پرتفوی در چارچوب تئوری امکان (زاده 1978- 1965 میلادی) را با یک مدل بهینه سازی پرتفوی نوین مبتنی بر تئوری احتمال منطبق ساخته و مدل اخیر را که در واقع در قالب یک رویکرد سرمایه گذاری منفعلانه مطرح میگردد، پیرامون تشکیل سبدی از صندوق های سرمایه گذاری سهامی فعال در بورس اوراق بهادار تهران از سال 1390 تا پایان دی ماه سال 1392 مورد بررسی قرار میدهد. نتایج حاصل از اجرای رویکرد مزبور بوسیله کاربرد الگوریتم ژنتیک، حاکی از عملکرد مشابه سبد تشکیل شده از صندوقها (بر مبنای شاخص شارپ) با عملکرد بازارست.دانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80884220151023Identifiability in Generalized Linear Models with Random Effectsشناساپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی496911361FAالهامتبریزیبخش آمار، دانشگاه شهید بهشتیاحسانبهرامی سامانیبخش آمار، دانشگاه شهید بهشتیناصحجعفریبخش آمار، دانشگاه شهید بهشتیJournal Article20141009Identifiablity is a necessary property for the adequacy of a statistical model. When a model is not identifiable, no amount of data cannot determine true parameter. In this article, well-known concept of identifiablity and it’s properties is reviewed. Moreover, since non-identifiablity problem in linear mixed effects models and generalized linear models with random effects is very common, our main focus is on these models. On the other hand, statistical software, after fitting non-identifiable models, don’t usually indicate the problem and show invalid outputs. Consequently, it is useful to have a way to check model identifiability before fitting. In this regard, some new theorems to check identifiability in generalized linear models with random effects are presented. data from non-identifiable models are simulated and problems with model non-identifiablity are listed for showing advantages of the mentioned theorems.شناساپذیری یکی از ویژگیهای لازم برای کفایت یک مدل آماری است. وقتی مدلی شناساپذیر نباشد، با هیچ اندازهای از نمونه، نمیتوان پارامتر حقیقی مدل را تعیین کرد. در این مقاله، مروری بر مفهوم مشهور شناساپذیری و ویژگیهای آن شده است. بهعلاوه از آنجایی که مشکل شناساناپذیری در مدلهای خطی تعمیمیافته با اثرهای تصادفی بسیار رایج است، تمرکز اصلی ما بر روی این گونه از مدلها بوده است. از سوی دیگر، معمولاً نرمافزارهای آماری، بعد از برازش مدل شناساناپذیر در آنها، اشارهای به این مسأله نکرده و خروجیهای غیر معتبر ارائه میدهند. بنابراین یافتن راهی برای بررسی شناساپذیری مدل، قبل از برازش آن، خالی از فایده نخواهد بود. در این راستا، قضایای جدیدی در رابطه با شناساپذیری مدلهای خطی تعمیمیافته با اثرهای تصادفی بیان شده است. همچنین برای تشریح سودمندی قضایای مطرح شده، چند مطالعهی شبیهسازی روی مدلهای شناساناپذیر خطی تعمیمیافته و خطی تعمیمیافته با اثرهای تصادفی انجام شده و مشکلهای حاصل از برازش آنها مورد بررسی قرار گرفته است.دانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80884220151023Pseudo-likelihood Estimator of the Bivariate Von-Mises Cosine Modelبرآورد شبه درستنمایی مدل کسینوسی توزیع فون میزس دومتغیره718611363FAسیمانوری جویباریگروه آمار، دانشگاه تربیت مدرسموسیگل علی زادهگروه آمار، دانشگاه تربیت مدرسJournal Article20150124Directional statistics are very useful tools to model the phenomenon that are characterized by the angles. Recently, various disciplines including biology, astronomy, meteorology and bioinformatics have paid attention to use these distributions. Particularly, it was shown in biological researches that there are two pair angles describing, relatively, the complete geometrical and spatial structures of a protein in the three dimensional space. There is a distribution, called bivariate Von-Mises, to represent the position of the atoms based upon the values of these angles in a probabilistic manner. In this paper, considering an especial case of this density (cosine model), the properties of distribution including the numbers of modes and its approximation by the bivariate normal distribution are first studied. Then, to estimate the parameters using the pseudo-likelihood method is described. The theoretical materials are evaluated in simulation studies and then the application of the cosine model in a real example is presented.برای مدلبندی پدیدههایی که با زاویه شناسایی میشوند توزیعهای جهتی ابزارهای بسیار مفیدی هستند. اخیرا ، استفاده از این توزیعها در علوم متنوعی مانند زیستشناسی، نجوم، هواشناسی و بیوانفورماتیک مورد توجه زیادی قرار گرفت. بویژه در تحقیقات علوم زیستی نشان داده شد که دو زوج زاویه وجود دارند که تا حد دقیقی ساختار هندسی و فضایی کامل یک پروتئین را در یک فضای سه بعدی توصیف میکنند. برای تشریح احتمالاتی براساس موقعیت اتمهای پروتئین مقادیر توام این دو زاویه توزیعی به نام فونمیزس دومتغیره وجود دارد. در این مقاله با مطالعه یکی از حالتهای خاص این توزیع (مدل کسینوسی)، ابتدا به بررسی ویژگیهای توزیع شامل تعداد مدهای توزیع و تقریب آن توسط نرمال دومتغیره پرداخته میشود. سپس نحوه برآورد پارامترهای توزیع بهروش شبهدرستنمایی تشریح میشود. مطالب نظری مقاله در مطالعه شبیهسازی بررسی و سپس کاربست مدل کسینوسی در یک مثال کاربردی ارزیابی میشود.دانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80884220151023Locally Socle of C(X)ساکل موضعی (C(X879911215FAسمیهسلطانپورگروه ریاضی، دانشگاه شهید چمران اهوازمهردادنامداریگروه ریاضی، دانشگاه شهید چمران اهواز0000-0003-0966-7234Journal Article20140903Let $LC_F(X)$ be the socle of $C(X)$ and $LC_F(X)={fin C(X) : overline{S_f}=X}$ , where $S_f$ is the union of all open subsets $U$ in $X$ such that $Ubackslash Z(f)|<infinity|$, $LC_F(X)$ is called the locally socle of $C(X)$ and it is a $z$-ideal of $C(X)$ containing $C_F(X)$. We characterize spaces $X$ for which the equality in the relation $C_F(X)subseteq LC_F(X)subseteq C(X)$ is hold. In fact, we show that $X$ is an almost discrete space if and only if $LC_F(X)=C(X)$. We note that if $X$ is an infinite space, then $C_F(X)subsetneq C(X)$. We also observe that $|I(X)|<infty$ if and only if $LC_F(X)=C_F(X)$. Moreover, it is shown that if $|I(X)|<infty$, then $LC_F(X)$ is never essential in any subring of $C(X)$ , while $LC_F(X)$ is an intersection of essential ideals of $C(X)$. We determine the conditions such that $LC_F(X)$ is not prime in any subring of $C(X)$ which contains the idempotents of $C(X)$. We investigate the primness of $LC_F(X)$ in some subrings of $C(X)$ .در این مقاله به معرفی و مطالعهی $LC_F(X)$ ، ساکل موضعی $C(X)$، میپردازیم، که عبارت است از $LC_F(X)={fin C(X) : overline{S_f}=X}$ که در آن $S_f$ برابر با اجتماع مجموعههای باز $Usubseteq X$ به طوری که $Ubackslash Z(f)|<infinity|$. گیریم $C_F(X)$ نمایش ساکل $C(X)$ است، نشان میدهیم که $LC_F(X)$ یک $z$-ایدآل $C(X)$ شامل $C_F(X)$ است. شرایط برقراری تساوی در رابطهی $C_F(X)subseteq LC_F(X)subseteq C(X)$ را بررسی میکنیم و در واقع نشان میدهیم که $X$ یک فضای تقریباً گسسته است اگر و تنها اگر $LC_F(X)=C(X)$. توجه میکنیم که هرگاه $X$ یک فضای نامتناهی باشد، $C_F(X)$ هرگز بر $C(X)$ منطبق نیست. همچنین ثابت میکنیم که $|I(X)|<infty$ اگر و تنها اگر $LC_F(X)=C_F(X)$. به علاوه هرگاه $|I(X)|<infty$ باشد، آنگاه $LC_F(X)$ در هیچیک از زیرحلقههای $C(X)$ شامل آن اساسی نمیباشد. در حالی که میبینیم $LC_F(X)$ اشتراکی از ایدالهای اساسی است. شرایطی را بیان میکنیم که $LC_F(X)$ در هیچ زیرحلقهی $C(X)$ که شامل خودتوانهای $C(X)$ است یک ایدال اول نمیباشد. همچنین اول بودن $LC_F(X)$ را در برخی از زیرحلقههای $C(X)$ مشخص میکنیم.دانشگاه شهید چمران اهوازمجله مدلسازی پیشرفته ریاضی2251-80884220151023Proportional Hazards and Frailty Models for Analysis of Spatial Survival Dataمدل های شکنندگی و خطرهای متناسب برای تحلیل داده های بقای فضایی10112311360FAمحسنمحمدزادهگروه آمار، دانشگاه تربیت مدرس0000-0002-2361-6145کیومرثمترجمگروه آمار، دانشگاه تربیت مدرسآمنهآبیارگروه آمار، دانشگاه تربیت مدرسJournal Article20141020One of the most widely used models for fitting survival data is Cox proportional hazards model that is based on homogeneity, independence and equi-distributed of survival data. But in many cases hazards of statistical units are different and the assumption of population homogeneity is not established. One of the reasons for such deference is the unknown or unobserved risk factors which may lead to some misleading models if there is no concern for them or some models such as Cox proportional hazard models have to be implemented. In such cases, regarding the unknown risk factors, frailty models are used. In this paper the performances of the Cox and frailty models for survival and spatial survival data with unknown risk factors are considered. The efficiency of these models whilst the source of unknown risk factors is the spatial correlation of survival data is also examined.مدل خطرهای متناسب کاکس یکی از پرکاربردترین مدلها برای برازاندن به داده های بقا است که بر اساس فرضهای همگنی جامعه، استقلال و هم توزیع بودن داده های بقا بنا شده است. اما در بسیاری از مواقع خطرهای واحدهای آماری متفاوت بوده و فرض همگنی جامعه برقرار نیست. یکی از دلایل این تفاوت وجود عوامل خطر ناشناخته یا مشاهده نشده است که لحاظ نکردن آنها و استفاده از مدلهایی همچون مدل خطرهای متناسب کاکس میتواند نتایج گمراه کننده ای را به همراه داشته باشد. در این گونه موارد از مدل شکنندگی که اثر عوامل ناشناخته را در نظر می گیرد استفاده میشود. در این مقاله عملکرد مدلهای شکنندگی و خطرهای متناسب کاکس در برازش داده های بقا با وجود عوامل خطر ناشناخته بررسی و کارآیی این دو مدل هنگامی که منبع اثر عوامل خطر ناشناخته همبستگی فضایی داده های بقا باشد، مورد بررسی قرار میگیرد.