<?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>1395</year>
	<month>5</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2016</year>
	<month>8</month>
	<day>1</day>
</pubdate>
<volume>10</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>مدل سازی داده های آمیخته بقا و گسسته با استفاده از تابع مفصل</title_fa>
	<title>Modelling Mixed Survival and Discrete Data Using Copula Function</title>
	<subject_fa>آمار حیاتی</subject_fa>
	<subject>Biostatistics </subject>
	<content_type_fa>كاربردي و توسعه ای</content_type_fa>
	<content_type>Applied</content_type>
	<abstract_fa>&lt;p&gt;از جمله روش&#8204;هایی که در سال&#8204;های اخیر توجه بسیاری از محققان را برای مدل&#8204;سازی داده&#8204;های چندمتغیره آمیخته به خود جلب کرده است، استفاده از تابع مفصل می&#8204;باشد. در این مقاله مدلی رگرسیونی برای پاسخ&#8204;های آمیخته بقا و گسسته بر اساس تابع مفصل ارائه می&#8204;شود که در آن متغیر پیوسته از نوع زمان بوده و امکان وقوع مشاهده سانسور شده در آن وجود دارد. برای انجام این کار فرض شد که توزیع&#8204;های حاشیه&#8204;ای مشخص هستند و متغیری پنهان برای تبدیل حاشیه گسسته به پیوسته مورد استفاده قرار گرفت. سپس با استفاده از تابع مفصل تابع توزیع توام برای دو متغیر تشکیل و در پایان مدل به دست آمده بر روی داده&#8204;های فاصله بین تولدها در شهر اهواز مورد استفاده قرار گرفت.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p&gt;One of the methods that in recent years has attracted the attention of many researchers for modeling multivariate mixed outcome data is using the copula function. In this paper a regression model for mixed survival and discrete outcome data based on copula function is proposed. Where the continuous variable was time and could has censored observations. For this task it is assumed that marginal distributions are known and a latent variable was used to transform discrete variable to continuous. Then by using a copula function, the joint distribution of two variables was constructed and finally the obtained model was used to model birth interval data in Ahwaz city in south-west of Iran.&lt;/p&gt;</abstract>
	<keyword_fa>تابع مفصل, مشاهده سانسور شده, داده های آمیخته, متغیر پنهان, فاصله بین تولدها</keyword_fa>
	<keyword>Copula function, Censored observation, Mixed data, Latent variable, Birth intervals</keyword>
	<start_page>113</start_page>
	<end_page>128</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-685-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Mina</first_name>
	<middle_name></middle_name>
	<last_name>Godazi</last_name>
	<suffix></suffix>
	<first_name_fa>مینا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>گدازی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>godazii_m20@yahoo.com</email>
	<code>10031947532846006899</code>
	<orcid>10031947532846006899</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran University, Ahwaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


	<author>
	<first_name>MohammadReza</first_name>
	<middle_name></middle_name>
	<last_name>Akhoond</last_name>
	<suffix></suffix>
	<first_name_fa>محمدرضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>آخوند</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>Mra.Biostat@gmail.com</email>
	<code>10031947532846006900</code>
	<orcid>10031947532846006900</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran University, Ahwaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


	<author>
	<first_name>AbdolRahman Rasekh</first_name>
	<middle_name></middle_name>
	<last_name>Rasekh</last_name>
	<suffix></suffix>
	<first_name_fa>عبدالرحمن</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>راسخ</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>Rasekh_a@scu.ac.ir</email>
	<code>10031947532846006901</code>
	<orcid>10031947532846006901</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran University, Ahwaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


</author_list>


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