امروزه استفاده از اطلاعات هاپلوتایپ به منظور تخمین ارزش اصلاحی ژنومی (GEBV) با صحت و دقت بالاتر مورد توجه قرار گرفته است. استفاده از شباهت بین هاپلوتایپ ها نسبت به مستقل در نظر گرفتن اثرات هاپلوتایپ ها می تواند منجر به قابلیت پیش گویی بالاتر برآوردهای ژنومی گردد. هدف از این مطالعه بررسی صحت و اریبی GEBV به روش بهترین برآورد نااریب خطی ژنومی (GBLUP) با استفاده از ماتریس روابط خویشاوندی ژنومی بر پایه اطلاعات نشانگرهای چندشکلی تک نوکلئوتیدی (GSNP) و هاپلوتایپ (GHAP) و ماتریس هیبرید شامل اطلاعات هاپلوتایپ ها وSNPها (GSNP, HAP) بود. ماتریس های روابط خویشاوندی ژنومی با استفاده از تراشه k50 برای جمعیت گاو شیری هلشتاین آمریکای شمالی برای صفات تولید چربی شیر، تولید شیر، نمره سلول بدنی، تیپ و روزهای باز تشکیل گردید. مقادیر صحت GEBV با استفاده از ماتریس GSNP و GHAP به ترتیب از 49/0 (روزهای باز) تا 72/0 (تولید چربی شیر) و 50/0(روزهای باز) تا 73/0 (تولید چربی شیر) متغیر بود. استفاده از ماتریس GHAP در مقایسه با دیگر ماتریس های مورد بررسی در این مطالعه منجر به برآوردهای نااریب تری در تمام صفات شد. استفاده از ماتریس GHAP نسبت به GSNP موجب 6 تا 15 درصد کاهش اریبی برآوردها در صفات مختلف گردید. یکی از دلایل بهبود اریبی برآوردها می تواند برآورد بهتر واریانس ژنتیکی در سطح جمعیت توسط هاپلوتایپ نشانگرها نسبت به نشانگر انفرادی باشد. بر اساس نتایج حاضر ماتریس GHAP می تواند جایگزین مناسبی برای GSNP در ارزیابی های ژنومی به منظور دستیابی به برآوردهای ارزش اصلاحی نااریب تر و دقیق تر باشد.

هدف: نقش شدت برآوردهای حسابداری در کیفیت داده های مالی، امروزه چالش برانگیز شده و مدیران را در ایجاد پیش­بینی­های قابل اتکا با مشکل مواجه کرده است. استفاده مستمر از برآوردها باعث خدشه­ دار شدن کیفیت اطلاعات مالی شده ­اند. هدف این پژوهش بررسی تاثیر تخصص حسابرس در برآوردهای حسابداری بر شدت برآورد حسابداری و انحرافات مدیریتی است.روش: موضوع مورد مطالعه بر مبنای الگوی رگرسیونی داده ­های ترکیبی و لاجیت بوده و در دوره زمانی 1394 تا 1401 داده­ های 960  شرکت پذیرفته شده در بورس اوراق بهادار تهران جمع ­آوری و برای آزمون فرضیه­ های پژوهش استفاده شده است. یافته ­ها:  نتایج آزمون فرضیه اول پژوهش مبنی بر اینکه شدت برآورد حسابداری با تمایل مدیریت صاحبکار برای رسیدن به سود هدف رابطه مثبت دارد، رد نشده است. فرضیه دوم پژوهش نشان داد که شدت برآورد حسابداری رابطه مثبت و معناداری با حق الزحمه حسابرسی دارد. فرضیه سوم پژوهش نیز مبنی بر اینکه تخصص حسابرسی نسبت به برآوردهای حسابداری تاثیر معناداری بر ارتباط بین شدت برآورد حسابداری و تمایل مدیریت صاحبکار برای دستیابی به سود هدف دارد، رد نشده است. در نهایت، تاثیر معنادار تخصص حسابرس نسبت به برآوردهای حسابداری بر ارتباط بین شدت برآورد حسابداری و حق الزحمه حسابرسی رد نشده است.نتیجه­ گیری: بر اساس نتایج پژوهش می­توان بیان کرد که شدت اقلام تعهدی منجر به تغییر رویکرد مدیریت در دستیابی به سود هدف می­ گردد. بنابراین، تخصص حسابرس نسبت به برآوردهای حسابداری می­تواند بیانگر توان ارزیابی حسابرسان در ارتباط با پیش ­فرض­های مدیریت شرکت باشد که می­تواند بر کیفیت گزارش ارایه شده تاثیرگذار باشد.دانش افزایی: در این پژوهش با ارایه رویکرد جدید اندازه­گیری تخصص حسابرس، دستیابی به سود هدف تشریح شده است. از طرفی، یافته های این پژوهش به قانون­گذاران و سرمایه گذاران در پیشنهاد اینکه تخصص حسابرس در برآوردهای حسابداری می­تواند در جلوگیری از مدیریت سود مؤثر باشد، به طور بالقوه مورد توجه قرار گرفته است.

این مقاله به مساله برآورد کردن بیزی پارامترها، قابلیت اعتماد و تابع خطر در چارچوب مقادیر آماره های رکورد از توزیع دوپارامتری لوماکس می پردازد. برآوردهای ماکسیمم درستنمایی و بیز بر مبنای رکوردها برای پارامترهای زمان بقا، قابلیت اعتماد، و تابع های خطر به دست آمده اند. برآوردهای بیز بر مبنای مزدوج پیشین برای پارامتر مقیاس و گسسته پیشین برای پارامتر شکل این مدل تهیه شده اند. این کار با توجه به تابع زیان متقارن (مربع زیان خطا) و تابع زیان نامتقارن (تابع زیان نمایی-خطی) (LINEX) انجام پذیرفته است. برآوردهای ماکسیمم درستنمایی و بیزی متفاوت از راه بررسی شبیه سازی مونت کارلو مقایسه شده اند. یک مثال عملی مرکب از مقادیر رکورد واقعی شامل داده هایی از روی یک آزمون شتابیده در باره مایع عایق گزارش شده است که توسط نلسون برای تشریح مطلب و مقایسه مورد استفاده قرار گرفته است. سرانجام، تابع چگالی پیشگوی بیزی، که برای به دست آوردن کران ها برای بازه پیشگوی آماره های رکورد آتی لازم است، با استفاده از یک مثال عددی بدست آمده و مورد بحث قرار گرفته است.

در تحلیل داده های فضایی تابع تغییرنگار که تعیین کننده ساختار همبستگی بین داده ها است، عموما نامعلوم بوده و لازم است بر اساس مشاهدات برآورد شود. هر چند روش های مختلفی برای برآورد پارامترهای تغییرنگار وجود دارند، اما محدود بودن تعداد مشاهدات منجر به تردید قابل توجهی در برآورد آن ها و در نهایت عدم دقت پیشگویی های فضایی حاصل از آن می گردد. در این مقاله اندازه های دقت برآورد کمترین توان های دوم وزنی پارامترهای تغییرنگار به روش بوت استرپ بلوک مجزا تعیین می شود. سپس برآوردها با استفاده از این اندازه های دقت تصحیح شده و بر اساس معیار اعتبارسنجی متقابل نشان داده می شود که استفاده از تغییرنگار با برآوردهای تصحیح شده منجر به افزایش دقت پیشگویی فضایی می گردد.

روش های تصحیح اریبی از جمله روش های آماری متداول برای پس پردازش خروجی مدل های اقلیمی هستند. در این تحقیق، تاثیر پنج روش تصحیح اریبی بر مهارت پیش بینی بارش (فصل پاییز) مدل اقلیمی CFSv2 بر مبنای 12 ایستگاه واقع در حوضه آبریز گرگانرود (شمال ایران) مورد ارزیابی قرارگرفته است. روشهای تصحیح اریبی مورد استفاده در این تحقیق شامل دو روش ناپارامتری (نسبت گیری خطی(LS)، نگاشت چندکی تجربی (EQM))، یک روش پارامتری (تبدیل توانی (Ptr)) و دو روش پارامتری مبتنی بر توزیعهای آماری (نگاشت پارامتری چندک (PQM)، نگاشت چندکی پارامتری تعمیم یافته (GPQM)) می باشند. از سنجه های متنوعی برای ارزیابی تاثیر این روش ها بر مهارت پیش بینی فصلی بارش استفاده شده است که شامل متوسط اریبی، متوسط ضریب همبستگی پیرسون و همچنین دو سنجه مهارت پیش بینی احتمالاتی شامل امتیازهای مهارتی، ویژگی عملیاتی نسبی (ROCSS) و رتبه احتمال (RPSS) می باشد. نتایج این تحقیق نشان می دهد بیشتر روشهای تصحیح اریبی و در موارد بالایی به خوبی توانستند اریبی موجود در پیش بینی ها را کاهش دهند. تاثیر استفاده از روشهای مختلف تصحیح اریبی بر مهارت پیش بینی احتمالاتی با استفاده از سنجه های RPSS و ROCSS نیز وابسته به محل و زمان متفاوت است و هر یک از روش ها می توانند این سنجه ها را برای محل یا زمانی بهبود دهند و یا تضعیف کنند. از اینرو نتیجه این تحقیق پیشنهاد می کند ارزیابی روش های مختلف تصحیح اریبی و شناسایی مناسب ترین روش با توجه به هدف هر مطالعه می تواند به ارتقاء مهارت پیش بینی فصلی بارش کمک کند.

1این تحقیق به ارزیابی توانایی روش های مختلف نگاشت چندک (QM) به عنوان یک تکنیک تصحیح اریبی داده های بارش بازتحلیل ERA5 می پردازد. نوع اقلیم و موقعیت جغرافیایی می توانند عملکرد روش تصحیح اریبی را به دلیل تفاوت در خصوصیات بارش تحت تأثیر قرار دهند. به این منظور داده های بارش بازتحلیل ERA5 برای سال های 2019-1989 به صورت روزانه برای 10 ایستگاه سینوپتیک منتخب در اقلیم هایی با ویژگی های توپوگرافیک گوناگون از سایت مرکز پیش بینی میان مدت جوی اروپا (ECMWF) دریافت شد. تصحیح اریبی این داده ها با استفاده از 5 روش نگاشت چندک بر پایه داده های مشاهداتی در محیط نرم افزار R انجام گرفت. ارزیابی دوبخشی و دیاگرام تیلور برای مقایسه عملکرد روش های مختلف به کار گرفته شد. نتایج نشان داد که عملکرد روش نگاشت چندک به توابع عملکرد، مجموعه پارامتر ها و شرایط اقلیمی بستگی دارد. به طورکلی روش های ناپارامتریک نگاشت چندک عملکرد مناسب تری نسبت به روش های پارامتریک دارند به گونه ای که بهترین عملکرد مربوط به روش QUANT و RQUANT است، در این بین روش DIST ضعیف ترین عملکرد را دارد.

در این مقاله برآورد بیز تجربی پارامتر توزیع نمایی تحت توابع زیان توان دوم خطا و لاینکس وقتی داده ها با طرح نمونه گیری مجمو عه رتبه دار رکوردی جمع آوری شده باشند، مورد بررسی قرار گرفته است. سپس پیش گویی نقطه ای و بازه ای مقادیر رکوردی حاصل از دنباله آینده مطالعه و نتایج به دست آمده از طرح نمونه گیری مذکور با نتایج حاصل از طر ح نمونه گیری معکوس مقایسه شده اند. برای مقایسه برآوردگرها، از دو معیار مخاطره بیزی و مخاطره پسین و برای مقایسه پیش گویی های نقطه ای، از معیار میانگین توان دوم خطای پیش گویی استفاده شده است. برای ارزیابی بازه های پیش گویی، متوسط طول بازه و احتمال پوشش ارایه شده اند. با مطالعه شبیه سازی و ارایه مثال واقعی، دو روش برآورد با هم مقایسه شده و عملکرد طرح های معرفی شده ارزیابی خواهند شد.