• شماره ركورد
    21951
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    21951
  • پديد آورنده

    اميد خالقي چالشتري

  • عنوان
    مقايسه‌ي قابليت‌اعتماد سيستم براساس مفصل‌هاي دومتغيره‌ پارامتري و ناپارامتري با استفاده از نظريه اطلاع
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    آمار - آمار رياضي
  • تاريخ دفاع
    1398/11/28
  • استاد راهنما
    دكتر غلامحسين ياري
  • استاد مشاور
    دكتر رحمان فرنوش
  • دانشكده
    رياضي
  • چكيده
    تجزيه و تحليل قابليت اعتماد سيستمي كه شامل متغيرهاي تصادفي همبسته است، از بحث‌هاي چالش‌‌برانگيز محسوب مي‌شود. زيرا احتمال خرابي سيستم را نمي‌توان تحت اطلاعات احتمال داده شده به طور منحصر به‌فرد تعيين كرد. در اين پايان نامه يك روش ارزيابي قابليت اعتماد سيستم بر اساس مفصل‌هاي پارامتري و ناپارامتري ارائه شده است. مفصل‌ها به عنوان ابزارهاي مدل‌سازي در كاربردهاي احتمال بسيار محبوب شده‌اند. با استفاده از نظريه‌ي اطلاع بهترين مفصلي را كه محدوديت و قيدهاي تعريف شده را برطرف مي‌كند پيدا شده است. برآورد پارامترهاي آن با استفاده از همبستگي خطي پيرسون، همبستگي رتبه‌ي اسپيرمن و همبستگي رتبه‌ا‌ي كندال ارائه و مقايسه شده است. پس از آن، قابليت‌اعتماد سيستم با استفاده از روش‌هاي مرتبه اول و دوم معرفي و در نهايت با ارائه يك مثال كاربردي، قابليت‌اعتماد سيستم بر اساس مفصل‌هاي پارامتري و ناپارامتري مقايسه و با برتري مفصل ناپارامتري بحث به اتمام رسيده است.
  • تاريخ ورود اطلاعات
    1399/03/11
  • عنوان به انگليسي
    Comparison of system’s reliability based on parametric and non-parametric Bivariate copulas using Information theory
  • تاريخ بهره برداري
    2/17/2020 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    اميد خالقي چالشتري

  • چكيده به لاتين
    System reliability analysis correlated random variables is challenging. Because the failure probability cannot be uniquely determined under the given probability information. This paper proposes a system reliability evaluation method base on parametric and non-parametric copulas. Copulas have become very popular as modelling tools in probability applications. Using The Information theory best copula is found that satisfying the constrains. The estimation of the copulas parameters from Pearson linear correlation, Spearman rank correlation and Kendall rank correlation are provided and they are compared. Finally this paper is ended with an example.