<?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>1391</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2013</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<volume>6</volume>
<number>2</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>تحلیلی از برآوردگرهای اندازه وابستگی دمی بالا</title_fa>
	<title>Analyzing the Estimators of Upper Tail Dependence Measure</title>
	<subject_fa>آمار کاربردی </subject_fa>
	<subject>Applied Statistics</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p style=&quot;text-align: justify;&quot;&gt;در این مقاله سه نوع برآوردگر جدید به روش ناپارامتری برای اندازه وابستگی دمی بالا به دست&amp;nbsp;آورده&amp;nbsp;و نشان&amp;nbsp;داده می شود که برآوردگرهایی سازگار و به طور مجانبی نااریب هستند.&amp;nbsp;سپس با شبیه سازی مونت کارلو از سه مفصل متفاوت، این سه برآوردگر با هم مقایسه شده و با به کارگیری داده های واقعی روشی جدید برای انتخاب بهترین برآوردگر ارائه می شود.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;div style=&quot;text-align: justify;&quot;&gt;In this paper, three new non-parametric estimator for upper tail dependence measure are introduced and it is shown that these estimators are consistent and asymptotically unbiased. Also these estimators are compared using the Mont Carlo simulation of three different copulas and present a new method in order to select the best estimator by applying the real data.&lt;/div&gt;</abstract>
	<keyword_fa>تابع مفصل, اندازه وابستگی دمی بالا, اندازه وابستگی دمی پایین, برآوردگر, نااریبی, سازگاری, شبیه سازی مونت کارلو</keyword_fa>
	<keyword>Copula function, Upper tail dependence measure, Lower tail dependence measure, Estimator, Unbiasedness, Consistence, Mont Carlo simulation</keyword>
	<start_page>119</start_page>
	<end_page>134</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-118-3&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Mohammad</first_name>
	<middle_name></middle_name>
	<last_name>Amini</last_name>
	<suffix></suffix>
	<first_name_fa>محمد</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>امینی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>m-amini@um.ac.ir</email>
	<code>10031947532846006971</code>
	<orcid>10031947532846006971</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Ferdowsi University, Mashhad, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه فردوسی مشهد</affiliation_fa>
	 </author>


	<author>
	<first_name>Hadi</first_name>
	<middle_name></middle_name>
	<last_name>Jabbari Noughabi</last_name>
	<suffix></suffix>
	<first_name_fa>هادی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>جباری نوقابی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>jabbarinh@um.ac.ir</email>
	<code>10031947532846006972</code>
	<orcid>10031947532846006972</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Ferdowsi University, Mashhad, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه فردوسی مشهد</affiliation_fa>
	 </author>


	<author>
	<first_name>Mahla</first_name>
	<middle_name></middle_name>
	<last_name>Ghasemnejad Farsangi</last_name>
	<suffix></suffix>
	<first_name_fa>مهلا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>قاسم نژاد فرسنگی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ma_gh272@yahoo.com</email>
	<code>10031947532846006973</code>
	<orcid>10031947532846006973</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Ferdowsi University, Mashhad, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه فردوسی مشهد</affiliation_fa>
	 </author>


</author_list>


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