fa برآورد تفاضل مخاطره‌های کولبک-لیبلر برای مشاهدات سانسوریده از راست نوع II تحت مدل‌های غیر آشیانه‌ای استنباط آماری Statistical Inference پژوهشی بنیادی Research <p align="right">&nbsp; معیار آکائیک به طور گسترده در تئوری انتخاب مدل برای داده&shy;های کامل به کار گرفته می&shy;شود، اما برای داده&shy;های ناقص وقتی مدل&shy;ها غیرآشیانه&shy;ای و بد-توصیف شده هستند کمتر مورد توجه قرار گرفته است. در این مقاله به انتخاب یک مدل مناسب از بین مدل&shy;های رقابتی برای داده&shy;های سانسوریده از راست نوع II پرداخته می&shy;شود و اقدام به برآورد تفاضل مخاطره&shy;های بین دو مدل غیر آشیانه&shy;ای می&shy;گردد. سپس نشان داده می&shy;شود استنباط براساس داده&shy;های مشاهده شده و سانسوریده به طور همزمان به جای در نظر گرفتن فقط داده&shy;های مشاهده شده به نتایج بهتری منتهی خواهد شد. فاصله ردیابی مناسب برای تفاضل امید کولبک-لیبلر مشاهدات سانسوریده با احتمال مشخص معرفی می&shy;شود و از آنجا که هر فاصله اطمینان مجموعه&shy;ای از فرض&shy;های پذیرفتنی تحت فرض صفر است، فاصله به دست آمده برای انتخاب مدل مناسب به کار گرفته می&shy;شود.</p> Model selection aims to find the best model. Selection in the presence of censored data arises in a variety of problems. In this paper we emphasize that the Kullback-Leibler divergence under complete data has a better advantage. Some procedures are provided to construct a tracking interval for the expected difference of Kullback-Leibler risks based on Type II right censored data. Simulation study shows that this procedure works properly for optimum model selection. سانسور راست نوع, مدل‌های غیر آشیانه‌ایی, معیار آکائیک, معیار اطلاع کولبک-لیبلر Akaike Criterion, Kullback-Leibler, Type II Right Censored Data. 59 78 http://jss.irstat.ir/browse.php?a_code=A-10-34-1&slc_lang=fa&sid=1 Abdolreza Sayareh عبدالرضا سیاره 10031947532846006918 10031947532846006918 Yes Department of Statistics, Razi University, Kermanshah, Iran. گروه آمار، دانشگاه رازی Parisa Torkman پریسا ترکمان 10031947532846006919 10031947532846006919 No گروه آمار، دانشگاه رازی