<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</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>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1405</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2026</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>20</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>تحلیل تطبیقی روش‌های برآورد پارامترهای مدل‌های خودبازگشتی متناوب با توزیع‌های ترکیبی مقیاسی چوله نرمال در مواجهه با داده‌های پرت و دم‌سنگین</title_fa>
	<title>Comparative Analysis of Parameter Estimation Methods for Periodic Autoregressive Models with Scale Mixture of Skew Normal Distributions in the Face of Outliers and Heavy Tailed Data</title>
	<subject_fa>سریهای زمانی</subject_fa>
	<subject>Time Series</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;rtl&quot;&gt;در این مقاله، مروری جامع و تحلیلی-مقایسه&#8204;ای بر روش&#8204;های برآوردیابی مدل&#8204;های خودبازگشتی متناوب با نوآور&#8204;هایی از نوع توزیع ترکیبی مقیاسی چوله نرمال ارائه می&#8204;شود؛ این خانواده توزیعی، چارچوبی انعطاف&#8204;پذیر برای مدل&#8204;سازی داده&#8204;های متقارن و نامتقارن فراهم می&#8204;سازد. در این راستا، الگوریتم&#8204;های ECM برای توسعه سه روش برآوردیابی که شامل برآوردیابی درست&#8204;نمایی بیشینه، برآوردیابی بیشینه احتمال پسین، و برآوردیابی بیزی به&#8204;کار گرفته شده&#8204;اند. کارایی این روش&#8204;ها از طریق مطالعات شبیه&#8204;سازی مورد ارزیابی قرار گرفته و ویژگی&#8204;های مجانبی، استواری در برابر داده&#8204;های پرت، قله&#8204;های شدید و دم&#8204;های سنگین مورد توجه ویژه قرار گرفته&#8204;اند. همچنین، به&#8204;منظور بررسی کاربرد عملی مدل پیشنهادی، از این روش&#8204;ها برای مدل&#8204;سازی سری زمانی ماهانه قیمت سهام شرکت گوگل استفاده شده است.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p&gt;In this paper, we present a comprehensive review and comparative analysis of estimation methods for periodic autoregressive (PAR) models driven by scale mixture of skew-normal (SMSN) innovations, a flexible class suitable for modeling both symmetric and asymmetric data. Expectation-conditional maximization algorithms are employed to develop maximum likelihood, maximum a posteriori, and Bayesian estimation procedures. A thorough evaluation of these methods is conducted using simulation studies, with particular attention to asymptotic properties and robustness against outliers, high peaks, and heavy tails. To demonstrate their practical utility, these methods are applied to monthly Google stock price data.&lt;/p&gt;</abstract>
	<keyword_fa>مدل‌های خودبازگشتی متناوب, توزیع ترکیبی مقیاسی چوله نرمال, برآورد درست‌نمایی بیشینه, برآورد بیشینه احتمال پسین, برآورد بیزی.</keyword_fa>
	<keyword>Periodic autoregressive models, Scale mixture of skew normal, ML estimate, ECM algorithms, MAP estimate, Bayesian analysis, MCMC algorithms, Heavy tails, Outliers.</keyword>
	<start_page>0</start_page>
	<end_page>0</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-1323-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Tahere</first_name>
	<middle_name></middle_name>
	<last_name>Manouchehri</last_name>
	<suffix></suffix>
	<first_name_fa>طاهره</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>منوچهری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>t.manouchehri@shirazu.ac.ir</email>
	<code>10031947532846009017</code>
	<orcid>10031947532846009017</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشگاه شیراز</affiliation_fa>
	 </author>


	<author>
	<first_name>Ali Reza</first_name>
	<middle_name></middle_name>
	<last_name>Nematollahi</last_name>
	<suffix></suffix>
	<first_name_fa>علیرضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>نعمت اللهی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ar.nematollahi@shirazu.ac.ir</email>
	<code>10031947532846009018</code>
	<orcid>10031947532846009018</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشگاه شیراز</affiliation_fa>
	 </author>


</author_list>


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