سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

توزیع گسسته متوازن وایبل و مدل گسسته مقدار خودبازگشتی متناظر آن: ویژگی ها، برآورد و آنالیز داده های شمارشی فوت ناشی از COVID-۱۹

Publish Year: 1401
Type: Journal paper
Language: Persian
View: 130

This Paper With 19 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_JAMFN-12-3_007

Index date: 7 November 2023

توزیع گسسته متوازن وایبل و مدل گسسته مقدار خودبازگشتی متناظر آن: ویژگی ها، برآورد و آنالیز داده های شمارشی فوت ناشی از COVID-۱۹ abstract

در این مقاله به معرفی توزیع گسسته جدید وایبل بر اساس روش توزیع گسسته متوازن که حافظ گشتاورهایجزئی بین دو نسخه گسسته و پیوسته توزیع ها است، می پردازیم. برخی ویژگی های آماری توزیع جدید و انواع پراکندگیتوزیع مدنظر بر اساس انتخاب های گوناگونی از پارامترها ارائه می گردد. علاوه بر معرفی نسخه جدید گسسته متوازن وایبل،مدل خودبازگشتی گسسته مقدار با نوفه هایی از توزیع گسسته مدنظر را ارائه می نماییم و به بررسی روش های مختلفبرآورد پارامترهای مدل می پردازیم. با استفاده از داده های فوت ناشی از ۱۹-COVID در کشورهای کوبا، مالاوی وازبکستان، به بررسی کارایی فرایند جدید در برازش داده های واقعی در مقایسه با برخی مدل های خودبازگشتی گسسته مقدارکلاسیک می پردازیم. در پایان پیش بینی فرایند با استفاده از دو رویکرد کلاسیک و بوت استرپ غربال، بر اساس داده هایواقعی نیز بررسی می شود.

توزیع گسسته متوازن وایبل و مدل گسسته مقدار خودبازگشتی متناظر آن: ویژگی ها، برآورد و آنالیز داده های شمارشی فوت ناشی از COVID-۱۹ Keywords:

توزیع گسسته متوازن وایبل و مدل گسسته مقدار خودبازگشتی متناظر آن: ویژگی ها، برآورد و آنالیز داده های شمارشی فوت ناشی از COVID-۱۹ authors

سیده محبوبه حسینی بالادزایی

گروه آمار، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران

عین الله دیری

گروه آمار، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران

عزت الله بالویی جامخانه

گروه آمار، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Al-Ani G.B., Statistical modeling of the novel COVID-۱۹ epidemic in ...
Al-Osh M.A. and Alzaid A.A., First-order integer-valued autoregressive (INAR(۱)) process, ...
Altun E., El-Morshedy M. and Eliwa M.S., A study on ...
Altun E. and Mamode Khan N.A., Modelling with the novel ...
Alzaid A.A. and Al-Osh M.A., First-order integer-valued autoregressive (INAR(۱)) process: ...
Alzaid A.A. and Al-Osh M.A., Some autoregressive moving average processes ...
Bermúdez L. and Dimitris A.K., Multivariate INAR(۱) regression models based ...
Bourguignon M., Rodrigues J. and Santos-Neto M., Extended Poisson INAR(۱) ...
Castellares F., Ferrari S.L.P. and Lemonte A.J., On the Bell ...
Chakaraborty S. and Chakravarty D., Discrete gamma distribution: properties and ...
Chattopadhyay S., Maiti R., Das S. and Biswas A., Change-point ...
Eliwa M.S., Altun E., El-Dawoody M. and El-Morshedy M., A ...
Gumel A.B., Iboi E.A., Ngonghala C.N. and Elbasha E.H., A ...
HagmarkP.E., On construction and simulation of count data models, Math. ...
Irshad M.R. و Chesneau C., Dćruz V. and Maya R., ...
Maleki M., Mahmoudi M.R., Wraith D. and Pho K.H., Time ...
Miletić Ilić A.V., Ristić M.M., Nastić A.S. and Bakouch H.S., ...
Muse A.H., Tolba A.H., Fayad E., Abu Ali O.A., Nagy ...
Neurosci., ۲۰۲۱ (۲۰۲۱), ۸۶۴۰۷۹۴ ...
Pascual L., Romo J. and Ruiz E., Bootstrap predictive inference ...
Pourreza H., Baloui Jamkhaneh E. and Deiri E., A family ...
Roy D., The discrete normal distribution, Commun. Stat. - Theory ...
Roy D., Discrete Rayleigh distribution, IEEE Trans. Reliab., ۵۳ (۲۰۰۴), ...
Shamma N., Mohammadpour M. and Shirozhan M., A time series ...
Shirozhan M. and Mohammadpour M., A new class of INAR(۱) ...
Tovissodé C.F., Honfo S.H., Doumaté J.T. and Glélé Kakaï R., ...
نمایش کامل مراجع