%!TEX encoding = UTF-8 Unicode
%\documentclass[a4paper,12pt,makeindex]{}
\documentclass[a4paper,11pt]{xepersian-thesis}

%--------------------------------------------------------------------pakages--------------------------------------------------------------------%
\usepackage{graphicx}
\usepackage{natbib}
\usepackage{amsfonts}
\usepackage{setspace}
\usepackage{makeidx}
\usepackage{fmultico}
%\usepackage{amssymb}
\usepackage[psamsfonts]{amssymb}
\usepackage[psamsfonts]{eucal}
\usepackage{pdfsync}
\usepackage{fancyhdr}
\usepackage{pstricks}
\usepackage{animate}
\usepackage{pstricks-add}
\usepackage{multido}
\usepackage{color}
\usepackage{xepersian}
\usepackage{fancybox}
\usepackage{fancyvrb}
\usepackage{setspace}
\usepackage{perpage}
%\usepackage{persianpoem}
\usepackage{setspace}

%----------------------------------------------------------------------------------------------------------------------------------------%


\makeatletter
\renewcommand*\l@section{\@dottedtocline{2}{.5em}{2.3em}}
\renewcommand*\l@subsection{\@dottedtocline{2}{2.7em}{2.3em}}
\makeatother


%----------------- Set margins and page size -----------------%
\oddsidemargin = 0cm
\textwidth = 15cm
\topmargin = 0.25cm
\textheight = 22cm
\pagestyle{fancy}
% with this we ensure that the chapter and section
% headings are in lowercase.
% \renewcommand{\chaptermark}[1]{%
%         \markboth{#1}{}}
\renewcommand{\sectionmark}[1]{%
        \markright{\thesection\ #1}}
\fancyhf{} % delete current header and footer
\fancyhead[LO,RE]{\thepage}
%\fancyhead[LO,RE]{\bfseries\thepage}
%\fancyhead[RO]{\bfseries\rightmark}
\fancyhead[LE,RO]{\rightmark}
\renewcommand{\headrulewidth}{0.5pt}
\renewcommand{\footrulewidth}{0pt}
\addtolength{\headheight}{0.5pt} % space for the rule
\fancypagestyle{plain}{%
   \fancyhead{} % get rid of headers on plain pages
   \renewcommand{\headrulewidth}{0pt} % and the line
}

\definecolor{myblue}{rgb}{0.02,0.04,0.48}
\definecolor{lightblue}{rgb}{0.61,.8,.8}
\definecolor{myred}{rgb}{0.65,0.04,0.07}
\definecolor{lightgray}{gray}{0.6}
\definecolor{mygreen}{rgb}{0,.43,0}

\newenvironment{myverb}{\begin{Verbatim}[frame=single,numbers=left,framerule=1mm,rulecolor=\color{red},
fillcolor=\color{yellow},framesep=3mm,showspaces=true,commandchars=+\[\]]}{\end{Verbatim}}

\settextfont[Scale=1.2]{XB Niloofar}
\setdigitfont[Scale=1.3]{XB Niloofar}
\setlatintextfont[Scale=1.1]{Junicode}
\deflatinfont\euclid[Scale=1.2]{Junicode}
\defpersianfont\zar[Scale=1.2]{XB Zar}
\defpersianfont\nastaliq[Scale=2]{IranNastaliq}
\defpersianfont\bcm[Scale=1.3]{XB Niloofar}
\deflatinfont\linlib[Scale=1.2]{Linux Libertine}
%\addtolength{\hoffset}{-2cm}
%\addtolength{\textwidth}{3cm}
\newcommand{\textblue}[1]{{\addfontfeature{Color=0000FF}#1}}
\numberwithin{equation}{section}
\numberwithin{table}{section}
\onehalfspacing
\newcommand\femph[1]{«#1»}
\frenchspacing
\newcommand\LRcite[1]{\LR{\rmfamily{\cite{#1}}}}
\newtheorem{thm}{قضیه}[section]%[chapter]
\makeindex

%----------------------------------------------------------------------------------------------------------------------------------------%
\begin{document}
\fancyhf{}
\renewcommand{\headrulewidth}{0pt}
\doublespacing
\bcm
\title{ تعمیم برآورد ناپارامتری نواحی کوچک با استفاده از خطاهای سری‌های زمانی}
\author{فرهاد شکوهی}
\degree{دکتری آمار}
\supervisor{دکتر محمدرضا مشکانی\\ دکتر محمدرضا فقیهی}
\department{آمار}
\university{شهید بهشتی}
\city{تهران}
\thesisdate{\today}
\maketitle

\vspace{1cm}
\begin{center}
به نام ا...
\vspace{2cm}

\nastaliq{}
\Large{
طرح‌واره‌ی رساله‌ی دکتری آمار:
}
\vspace{2cm}

\nastaliq{
\Huge{
تعمیم برآورد ناپارامتری نواحی کوچک با استفاده از خطاهای سری‌های زمانی
}}
\vspace{2cm}

\bcm
دانشجو:

\vspace{.7cm}
\nastaliq
فرهاد شکوهی
\vspace{1cm}

\vspace{1cm}
\today{}
\end{center}


\newpage{}
\begin{abstractpage}
\doublespacing
در این رساله قصد داریم روش‌های پارامتری و ناپارامتری برآورد در نواحی کوچک را مورد بررسی قرار دهیم و با توسعه‌ی این روش‌ها، مخصوصا روش‌های ناپارامتری، برآوردهای بهتری برای برآورد در نواحی کوچک ارائه دهیم.

واژه‌ی "ناحیه‌ی کوچک" یا "دامنه‌ی کوچک" نوعا به جامعه‌ای اطلاق می‌شود که به دلیل وجود محدودیت‌هایی مانند کمی نمونه، برآوردهای معتبر و قابل اطمینانی نمی‌توان برای آن جامعه تولید کرد. نظیر چنین را جوامعی می‌توان مناطق جغرافیایی مانند استان، شهر، منطقه‌ی شهری و ... یا گروه‌های اجتماعی مانند سن، جنسیت، رنگ پوست و ... نام برد. دلایل بسیاری برای عدم وجود برآوردگرهای قابل اطمینان وجود دارد. برای مثال فرض کنید برای برآورد نرخ بیکاری، اندازه‌ی نمونه را برای استان‌های ایران بهینه می‌کنند. در این صورت برای به دست آوردن برآورد نرخ بیکاری در شهر فسا میزان نمونه بهینه نشده است. همچنین به دلیل محدود بودن میزان بودجه نمی‌توان نمونه‌ی بیشتری استخراج کرد. در نتیجه برآورد قابل اطمینانی از روش‌های مستقیم به دست نمی‌آید.

روش‌های بسیاری برای به دست آوردن برآوردهای قابل اطمینان توسعه یافته‌اند که از جمله‌ی آنها می‌توان به روش‌های آمارگیری نفوس قدیمی، برآوردهای غیر مستقیم دامنه، بهترین پیشگوی نااریب خطی  تجربی، روش بیز تجربی، روش بیز سلسله مراتبی و ... اشاره کرد. گوش\LTRfootnote{\lr{Gosh}}
  و رائو\LTRfootnote{\lr{Rao}}
  (۱۹۹۴) و رائو (۲۰۰۳) تمامی این برآوردگرها را مورد بررسی قرار دادند.
در این میان استفاده از مدل‌های آمیخته به علت اثرات تصادفی ناحیه‌های
 کوچک از اهمیت بالایی برخوردار هستند. جیانگ\LTRfootnote{\lr{Jiang}}
 و لاهیری\LTRfootnote{\lr{Lahiri}}
  (۲۰۰۶) برآورد مدل آمیخته را در ادبیات ناحیه کوچک  مطالعه کردند. اُپسومر\LTRfootnote{\lr{Opsomer}}
   و همکاران (۲۰۰۸) کار آنها را بسط دادند و مدل‌های رگرسیونی 
   ناپارمتری را در برآورد نواحی کوچک وارد کردند.  یو\LTRfootnote{\lr{You}}
    (۲۰۰۸) مدل‌های موجود را مورد بررسی قرار داد و یک مدل آمیخته‌ی مناسب برای برآورد نرخ بیکاری در نواحی کوچک کانادا ارائه داد و در آن از سری‌های زمانی و قدم زدن تصادفی برای قدرت بخشیدن به برآوردگرهای نواحی کوچک استفاده کرد.



\keywords{برآورد در ناحیه کوچک، مدل‌های آمیخته،  رگیرسیون اسپلاین تاوانیده، برآورد ناپارامتری ناحیه کوچک، نرخ بیکاری، سری زمانی.}

\end{abstractpage}

\fancyhead[LO,RE]{\thepage}
\fancyhead[RO]{\rightmark}

\renewcommand{\headrulewidth}{0.5pt}


\tableofcontents
\doublespacing
%\include{Chapters/Chapter01}
%----------------------------------------------------------------------------------------------------------------------------------------%
\newpage
\appendix
%\include{Chapters/appendix1}
%----------------------------------------------------------------------------------------------------------------------------------------%
\singlespacing
\latin
%\bibliographystyle{Chicago}
%\bibliography{st2}
\newpage{}



%--------------------------------------------------------------------------------------------------------------------------------------------%

\persian
\newpage
\printindex
\latin
\begin{latin}
\latintitle{Small area estimation}
\latinauthor{Farhad Shokoohi}
\end{latin}
\latindegree{Ph.D. of Statistics}
\latinthesisdate{\latintoday}
\latinsupervisor{Prof. Mohammadreza Meshkani \\Dr. Mohammadreza Faghihi}
\latindepartment{Mathematical Science}
\latinuniversity{Shahid Beheshti University}
\latincity{Tehran}
\begin{latinabstract}
This is our abstract written in English and This thesis is written very very very carefully so that we can keep  an eye on the beauty of typesetting.
\latinkeywords{Small area estimation, nonparametric, mixed models.}
\end{latinabstract}
\makelatintitle

\end{document}

%-------------------
\bibitem{}
Brackstone, G.J. (1987), Small Area Data: Policy Issues and Technical Challenges, in R. Platek, J.N.K. Rao, C.E. Skndal and M.P. Singh (Eds.), \emph{Small Area Statistics}, New York: Wiley, pp. 3-20. 

\bibitem{}
Brown, G., Chambers, R., Heady, P. and Heasman, D. (2001). Evaluation of small area estimation methods - An application to unemployment estimates from the UK LFS. \emph{Proceedings of Statistics Canada Symposium 2001 Achieving Data Quality in a Statistical Agency: A Methodological Perspective}, CD-ROM.  

\bibitem{}
Coull, B. A., Ruppert, D. and Wand, M. P. (2001a) Simple incorporation of interactions into additive models. \emph{Biometrics}, \textbf{57}, 539\UTF{2013}545. 

\bibitem{}
Coull, B. A., Schwartz, J. and Wand, M. P. (2001b) Respiratory health and air pollution: additive mixed model analyses. \emph{Biostatistics}, \textbf{2}, 337\UTF{2013}349. 

\bibitem{}
D'Alo' M., Di Consiglio L., Falorsi S., Pratesi M., Ranalli M.G., Salvati N., (2009) Small area models for unemployment rate estimation at sub-provincial areas in Italy,\emph{ Proceedings of NTTS New Techniques and Technologies for Statistics 2009}, European Commission, 18-20 February, Bruxelle

\bibitem{}
Eilers, P. H. C. and Marx, B. D. (1996) Flexible smoothing with \textbf{B}-splines and penalties. \emph{Statist. Sci.}, \textbf{11}, 89\UTF{2013}121.


\bibitem{}
Lahiri, P. and Meza, J. L. (2002). Small-area estimation. In A. H. E1-Shaarawi and W. W. Piegorsch, eds., \emph{Encyclopedia of Environmetric} Vol. 4, pp. 2010-2014. John Wiley \& Sons, Chichester.  

\bibitem{}
Marker, D. A. (1999). Organization of small area estimators using generalized regression framework. \emph{Journal of Official Statistics}, \textbf{15}, 1-24.

\bibitem{}
Mukhopadhyay, P. (1998). \emph{Small Area Estimation in Survey Sampling}. Narosa Publishing House, New Delhi. 

\bibitem{}
Parise, H., Wand, M. P., Ruppert, D. and Ryan,L. (2001) Incorporation of historical controls using semi-parametric mixed models. \emph{Appl. Statist.}, \textbf{50}, 31\UTF{2013}42.

\bibitem{}
Pfeffermann, D. (2002). Small area estimation - new developments and directions. \emph{lnternational Statistical Review} , \textbf{70}, 125 143.

\bibitem{}
Rao, J. N. K. (1986). Synthetic estimators, SPREE and thee best model based predictors. In \emph{Proceedings of the Conference on Survey Methods in Agriculture}, pp. 1-16. U.S. Dept. of Agriculture, Washington, D.C. 

\bibitem{}
Rao J. N. K. (1999). Some recent advances in model-based small area estimation. \emph{Survey Methodology}, \textbf{25},175-186. 

\bibitem{}
Rao, J. N. K. (2001). EB and EBLUP in small area estimation. In S. E. Ahmed and N. Reid, eds., \emph{Empirical Bayes and Likelihood inference}, Vol. 148 of \emph{Lecture Notes in Statistics}, pp. 33 43. Springer Verlag, New York. 

\bibitem{}
Rao,\UTF{00A0} J.N.K.\UTF{00A0} (2003).\UTF{00A0} \emph{Small\UTF{00A0} Area\UTF{00A0} Estimation}.\UTF{00A0} New\UTF{00A0} York:\UTF{00A0}John\UTF{00A0} Wiley\UTF{00A0}\&\UTF{00A0}Sons, Inc.

\bibitem{}
Ruppert, D., Wand, M. P. and Carroll, R. J. (2003) \emph{Semiparametric Regression}. Cambridge: Cambridge University Press. 

\bibitem{}
You, Y. (2008). An integrated modeling approach to unemployment rate estimation for sub-provincial areas of Canada. \emph{Survey Methodology}, \textbf{39}, 19-27.

 \bibitem{}
You. Y., Chen, E. and Gambino, G. (2002). Nonlinear mixed effects cross-sectional and time series models for unemployment rate estimation. \emph{2002 Proceedings of the American Statistical Association, Section on Government Statistics}, Alexandria, VA: American Statistical Association. 3883-3888. 
 
\bibitem{}
You, Y., Rao, J.N.K. and Gambino, J. (2000). Hierarchical Bayes estimation of unemployment rates for sub-provincial regions using cross-sectional and time series data. \emph{American Statistical Association 2000 Proceedings of the Section on Government Statistics and Section on Social Statistics}, 160-165.  

\bibitem{} 
You, Y., Rao, J.N.K. and Gambino, J. (2003). Model-based unemployment rate estimation for the Canadian Labour Force Survey: A hierarchical Bayes approach. \emph{Survey Methodology}, \textbf{29}, 25-32.  

\bibitem{}
Zheng, H. and Little, R. J. A. (2004) Penalized spline nonparametric mixed models for inference about a \UTF{FB01}nite population mean from two-stage samples. \emph{Survey Methodology}, \textbf{30}, 209\UTF{2013}218.