fa برآورد پارامترهای توزیع نمایی تعمیم‌یافته دو پارامتری تحت سانسور هیبرید واحد شده استنباط آماری Statistical Inference پژوهشی بنیادی Research <p align="right">&nbsp; سانسور هیبرید واحد شده ترکیبی از دو سانسور هیبرید تعمیم&shy;یافته نوع I و II می &shy; باشد. در این مقاله، طرح سانسور هیبرید واحد شده وقتی متغیرهای طول عمر، دارای توزیع نمایی تعمیم&shy;یافته دو پارامتری هستند، بررسی می&shy;شود. از آنجا که برآورد ماکسیمم درستنمایی پارامترها فرم بسته&shy;ای ندارند، لذا برای حل مشکل از روش تکرار عددی نیوتن رافسون استفاده می&shy;کنیم و با کمک ماتریس اطلاع فیشر مشاهدات، فاصله اطمینان مجانبی برای پارامترها بدست می &shy; آوریم. با فرض آن که پارامترها مستقل و دارای توزیع پیشین گاما هستند، برآورد بیزی پارامترها را با کمک نمونه&shy;گیری از نقاط مهم بدست آورده و در یک مطالعه شبیه&shy;سازی طرح&shy;های مختلف با هم مقایسه می&shy;شوند. در انتها با یک مثال واقعی هدف مقاله بیشتر توضیح داده می&shy;شود.</p> Unified hybrid censoring scheme is a mixture of generalized Type-I and Type-II hybrid censoring schemes. In this paper, we mainly consider the analysis of unified hybrid censored data when the lifetime distribution of the individual item is a two-parameter generalized exponential distribution. It is observed that the maximum likelihood estimators can not be obtained in a closed form. We obtain the maximum likelihood estimates of the parameters by using Newton-Raphson algorithm. The Fisher information matrix has been obtained and it can be used for constructing asymptotic confidence intervals. We also obtain the Bayes estimates of the unknown parameters under the assumption of independent gamma priors using the importance sampling procedure. Simulations are performed to compare the performances of the different schemes and one data set is analyzed for illustrative purposes. برآورد بیزی, برآورد ماکسیمم درستنمایی, توزیع مجانبی, سانسور هیبرید واحد شده, ماتریس اطلاع فیشر, نمونه‌گیری از نقاط مهم. Asymptotic Distribution, Unified Hybrid Censoring, Fisher Information Matrix, Importance Sampling. 1 16 http://jss.irstat.ir/browse.php?a_code=A-10-14-2&slc_lang=fa&sid=1 Masoumeh Izanloo معصومه ایزانلو 10031947532846006910 10031947532846006910 Yes Department of Statistics, Ferdowsi University of Mashhad, Mashhad, Iran گروه آمار، دانشگاه فردوسی مشهد Arezou Habibirad آرزو حبیبی راد 10031947532846006911 10031947532846006911 No Department of Statistics, Ferdowsi University of Mashhad, Mashhad, Iran گروه آمار، دانشگاه فردوسی مشهد