<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Mathematical Researches</title>
<title_fa>پژوهش های ریاضی</title_fa>
<short_title>mmr</short_title>
<subject>Basic Sciences</subject>
<web_url>http://mmr.khu.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2588-2546</journal_id_issn>
<journal_id_issn_online>2588-2554</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61186/mmr</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1400</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2022</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>8</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>نقش استقلال آماری در یافتن براوردگرهای بهینه</title_fa>
	<title>The Role of Statistical Independence in Finding Optimal Estimators</title>
	<subject_fa>آمار</subject_fa>
	<subject>Stat</subject>
	<content_type_fa>مقاله مستقل</content_type_fa>
	<content_type>Original Manuscript</content_type>
	<abstract_fa>به طور طبیعی در انتخاب یک برآوردگر نقطه&amp;shy; ای علاقه&lt;span dir=&quot;LTR&quot;&gt;&amp;shy;&lt;/span&gt;مند به انتخاب برآوردگری هستیم که برای تمام مقادیر فضای پارامتر، تابع مخاطره را مینیمم کند. در عمل با توجه به بزرگی رده &amp;nbsp;برآوردگرها چنین امکانی وجود ندارد. یکی از راه&amp;shy; ها برای حل این مشکل (پیدا کردن برآوردگرهای بهینه)، محدود کردن رده &amp;nbsp;برآوردگرها و پیدا کردن بهترین برآوردگر در رده &amp;nbsp;محدود شده است. این محدودیت بر حسب این که خود را به رده &amp;nbsp;برآوردگرهای هم &amp;shy;وردا یا نااریب محدود کنیم به ترتیب منجر به دو نوع برآوردگر بهینه یعنی بهترین برآوردگر هم&amp;shy;وردا و برآوردگر نااریب با کمترین مخاطره می&amp;shy; شود که در این مقاله نقش استقلال در ساده &amp;shy;تر محاسبه کردن این برآوردگرها مورد بررسی قرار می&amp;shy; گیرد. همچنین به استقلال تصادفی یک تابع ناوردا و هم&amp;shy; وردا و مقایسه آن با قضیه باسو می&amp;shy; پردازیم.&lt;br&gt;
&amp;nbsp;</abstract_fa>
	<abstract></abstract>
	<keyword_fa>برآورد, تابع مخاطره, استقلال, آماره ناوردا, برآوردگر هم وردا.</keyword_fa>
	<keyword>Estimation, Risk function, Independence, Invariant statistic, Equivariant estimator</keyword>
	<start_page>127</start_page>
	<end_page>147</end_page>
	<web_url>http://mmr.khu.ac.ir/browse.php?a_code=A-10-1174-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name>Nasiri</last_name>
	<suffix></suffix>
	<first_name_fa>مهدی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>شمس</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mehdi_shams1357@yahoo.com</email>
	<code>10031947532846005435</code>
	<orcid>10031947532846005435</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>University of Kashan</affiliation>
	<affiliation_fa>دانشگاه کاشان</affiliation_fa>
	 </author>


	<author>
	<first_name>L‎eila  ‎</first_name>
	<middle_name></middle_name>
	<last_name>Nasiri</last_name>
	<suffix></suffix>
	<first_name_fa>لیلا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>نصیری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>leilanasiri468@gmail.com</email>
	<code>10031947532846005436</code>
	<orcid>10031947532846005436</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Lorestan University</affiliation>
	<affiliation_fa>دانشگاه لرستان</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
