fa استنباط کلاسیک و بیزی توزیع وایبول- پواسون تحت سانسور فزاینده نوع دو با برداشت‌های آگاهی‌بخش استنباط آماری Statistical Inference پژوهشی بنیادی Research <pre dir="rtl"> برخلاف روش‌های سنتی که برداشت‌ها را مستقل از فرآیند شکست فرض می‌کنند، این مقاله رویکردی نوین برای استنباط کلاسیک و بیزی داده‌های سانسورشده فزاینده نوع دو با برداشت‌های تصادفی آگاهی‌بخش ارائه می‌دهد. در این راستا با فرض مدل طول‌عمر وایبول-پواسون، دو توزیع برداشت پواسون و وایبل گسسته (هر دو بریده‌شده) معرفی می‌شوند که به‌دلیل وابستگی ساختاری با پارامترها، دقت برآوردها را در شرایط سانسور شدید افزایش می‌دهند. در نهایت، برتری این روش‌ها از طریق شبیه‌سازی مونت‌کارلو و تحلیل داده‌های واقعی زمان بهبودی بیماران سرطان مثانه ارزیابی شده است.</pre> <pre> Unlike traditional methods that assume removals are independent of the failure process, this paper presents a novel approach for classical and Bayesian inference under progressive Type-II censoring with informative random removals. Under a Weibull-Poisson lifetime model, two removal distributions&mdash;the truncated Poisson and truncated discrete Weibull&mdash;are introduced. Due to their structural dependence on the model parameters, these distributions enhance estimation accuracy under heavy censoring. Finally, the superiority of the proposed methods is evaluated through Monte Carlo simulations and the analysis of real data on remission times of bladder cancer patients.</pre> برداشت آگاهی بخش, برداشت‌ تصادفی دوجمله‌ای, توزیع وایبول-پوآسن, سانسور Binomial random removals, Censoring, Informative removals, Weibull-Poisson distribution. 0 0 http://jss.irstat.ir/browse.php?a_code=A-10-477-2&slc_lang=fa&sid=1 Alaa Falah Hasan آلا فلاح حسن alaaousama29@gmail.com 10031947532846009410 0009-0008-8810-0570 No Razi University دانشگاه رازی Maryam Sharafi مریم شرفی mmaryamsharafi@gmail.com 3341306889 10031947532846009411 Yes Razi University دانشگاه رازی