1. باستان، ‏ف. و میرمصطفائی، م. ‎(1400)‎، برآوردیابی و پیش‌بینی برای توزیع پواسن- نمایی بر اساس رکوردها و زمان‌های بین رکورد: یک مطالعۀ مقایسه‌ای، مجله علوم آماری، 15‎، 381-405‎. 2. ‏علوی، ‏م. علی‌بابایی‏، ص. و چینی‌پرداز، ر. ‎(1396)‎، توزیع بتای اریب اندازه آماسیده، مجله علوم آماری، 11‎، 285-295‎. 3. ‎‏فلاح‏، ع. ‎(1404)‎، برآوردیابی و پیش‌بینی برای توزیع لیندلی اصلاح شده بر اساس داده‌های رکوردی، ‎ ‎ مجله مدل‌سازی پیشرفته، ‎15‎، .41-62 ‎ 4. ‎‎‎‎کیانپور، ‏آ. و نقی‌زاده قمی، م. ‎(1395)‎، ‎‏یک بازه تحمل تقریبی برای متغیر تصادفی پواسن-لیندلی اندازه-اریب، مجله علوم آماری، 10‎، 299-316‎. 5. نوروزی فیروز، م. جباری خامنه‌ای، ح. و حیدری، ع. ا. (1405)، برآوردیابی و پیشبینی در توزیع لیندلی-وایبول براساس داده‌های رکوردی، مجله علوم آماری، 20(1). 6. ‎‎Ahsanullah‎, ‎M.‎ (‎1995)‎,‎ Record Statistics‎, ‎Commack‎, ‎NewYork‎: ‎Nova Science Publishers‎, ‎Inc‎.‎‎ 7. Alavi, S. M. R. Alibabaie, S. Chinipardaz, R. (2018), Size Biased Inflated Beta Distribution, Journal of Statistical Sciences, 11 (2), 285-295. 8. ‎Arnold‎, ‎B.C‎. ‎Balakrishnan‎, ‎N‎. ‎and Nagaraja‎, ‎H.N.‎ ‎(‎‎1998), Records‎, ‎Wiley‎, ‎New York‎.‎ 9. ‎Asgharzadeh‎, ‎A‎. ‎Fallah‎, ‎A‎. ‎Raqab‎, ‎M‎. ‎Z‎. ‎and Valiollahi‎, ‎R‎. ‎(2018)‎, ‎Statistical Inference Based on Lindley Record Data‎, Statistical Papers‎, 59‎, ‎759-779‎. 10. Basak, P. and Balakrishnan, N. (2003), Maximum Likelihood Prediction of Future Record Statistic, Mathematical and Statistical Methods in Reliability. In B.H. Lindquist, and K.A. Doksum (Eds) Series on Quality, Reliability and Engineering Statistics, 7, 159-175. ‎ 11. Bastan, F., MirMostafaee, S. M. T. K. (2021), Estimation and Prediction for the Poisson-Exponential Distribution Based on Records and Inter-Record Times: A Comparative Study, Journal of Statistical Sciences, 15 (2), 381-405. 12. ‎Cameron‎, ‎A‎. ‎C‎. ‎and Trivedi‎, ‎P‎. ‎K‎. ‎(2005)‎, ‎Microeconometrics Methods and‎ 13. ‎Applications‎, ‎Cambridge University Press‎, ‎Cambridge‎. 14. ‎Casella‎, ‎G‎. ‎and Berger‎, ‎R‎. ‎L‎. ‎(2002)‎, Statistical Inference‎, ‎2nd edition‎, ‎Duxbury‎, ‎California‎. 15. ‎Chen‎, ‎M‎. ‎H‎. ‎and Shao‎, ‎Q‎. ‎M. ‎(‎1999), Monte Carlo ‎E‎stimation of Bayesian‎ 16. Credible and HPD Intervals‎, Journal of Computational and Graphical Statistics‎, 8‎, ‎69-92‎. 17. ‎Chivers‎, ‎C‎. ‎(2012)‎, ‎MHadaptive‎: ‎General Markov Chain Monte Carlo for Bayesian Inference ‎U‎sing‎ Adaptive Metropolis-Hastings Sampling‎, ‎R Package Version 1.1-8‎. ‎http://CRAN.R-project.org/package=MHadaptive‎. 18. Fallah, ‎A. ‎(2025),‎ Estimation and Prediction for the Modified Lindley Distribution Based on Record Data, Journal of Advanced Mathematical Modeling, 15(4) ‎, 41-62‎. 19. Hasselman‎, ‎B‎. ‎(2018)‎, nleqslv‎: ‎Solve Systems of Nonlinear Equations‎, ‎R‎ 20. Package Version 3.3.2‎, ‎”https://CRAN.R-project.org/package=nleqslv”‎. 21. Kiapour, A. Naghizadeh Qomi, M. (2017), An Approximate Tolerance Interval for the Size-Biased Poisson-Lindley Random Variable, Journal of Statistical Sciences, 10 (2), 299-316. 22. ‎Lee, ‎K. ‎(2024),‎ Estimation of Length Biased Exponential Distribution Based on Progressive Hybrid Censoring, Communications for Statistical Applications and Methods‎, 31(6) ‎, 661-675‎. 23. ‎Lindley‎, ‎D‎. ‎V‎. ‎(1980)‎, ‎Approximate Bayesian Methods‎, Trabajos de Estadistica Y de Investigacion‎ Operativa‎, 31‎, ‎223-237‎.‎ 24. Norouzi Firooz, M., Jabbari Khamnei, H. and Heydari, A.A. (2026), Estimation and Prediction in Lindley-Weibel Distribution Based on Record Data, Journal of Statistical Sciences, 20(1). 25. Rao, C. R. (1965), On Discrete Distribution Arising out of Methods of Ascertainment. Classical and Contagious Distribution, in G. P. Patil (ed.), Statistical Publishing Society, Calcutta, 320-332. 26. ‎Robert‎, ‎C‎. ‎and Casella‎, ‎G‎. ‎(2004)‎, Monte Carlo Statistical Methods‎, ‎2nd ed‎. ‎New York‎: ‎Springer‎. 27. ‎Ross,‎ S.M. (2010)‎,‎ Introduction to Probability Models, 10th Edition. Academic, Amsterdam. 28. Saadati Nik, ‎A‎. Asgharzadeh, A.‎ and Baklizi, A. (2023), Inference Based on New Pareto-Type Records with Applications to Precipitation and Covid-19 Data, Statistics, Optimization and Information Computing, 11, 243-257.‎