fa سانسور پیش‌رونده‌ کلی نمونه گیری Sampling كاربردي و توسعه ای Applied <p style="text-align: justify;">امروزه استفاده از روش‌های مختلف سانسور در آزمون‌های قابلیت اعتماد در صنعت و آزمون‌های زمان - بقا در آزمایشات کلینیکی فراگیر شده است. یکی از این روش‌های سانسور، سانسور پیش‌رونده‌ نوع I و II است. استفاده از این نوع سانسورها، معایبی نیز به همراه دارد. در این مقاله تلاش می‌شود با ایجاد تغییراتی در سانسور پیش‌رونده نوع I، معایب آن کاهش یابد و همچنین یک طرح کلی ارائه گردد که سانسور پیش‌رونده نوع II را نیز شامل گردد. این کار از این طریق صورت می‌پذیرد که برخلاف قبل، تعداد برداشت و زمان برداشت متغیرهای تصادفی در نظر گرفته می‌شوند. ابتدا به معرفی سانسورهای پیش‌رونده نوع I، II و دو نوع از تعمیم‌های آن‌ها پرداخته می‌شود، سپس روش سانسور جدید بر پایه‌ سانسور پیش‌رونده نوع I توضیح داده و تابع چگالی احتمال آن بیان می‌گردد. چند حالت خاص آن نیز معرفی می‌شود و در پایان، پیرامون پارامترهای مدل استنباط آماری انجام می‌شود و در ادامه الگوریتم شبیه‌سازی سانسور جدید ارائه و برای مقایسه این طرح سانسور تعمیم‌یافته با روش‌های سانسور رایج، از شبیه‌سازی استفاده خواهد شد.</p> <p style="text-align: justify;">Nowadays, the use of various censorship methods has become widespread in industrial and clinical tests. Type I and Type II progressive censoring are two types of these censors. The use of these censors also has some disadvantages. This article tries to reduce the defects of the type I progressive censoring by making some change to progressive censorship. Considering the number and the time of the withdrawals as a random variable, this is done. First, Type I, Type II progressive censoring and two of their generalizations are introduced. Then, we introduce the new censoring based on the Type I progressive censoring and its probability density function. Also, some of its special cases will be explained and a few related theorems are brought. Finally, the simulation algorithm is brought and for comparison of introduced censorship against the traditional censorships a simulation study was done.</p> سانسور پیش‌رونده کلی, بردار سانسور, بردار زمان سانسور, تابع درستنمایی, برآوردگر درستنمایی ماکسیمم General Progressive Censoring, Censoring Vector, Censoring Time Vector, Likelihood Function, Maximum Likelihood Estimator 97 117 http://jss.irstat.ir/browse.php?a_code=A-10-325-4&slc_lang=fa&sid=1 Mohamad Bayat محمد بیات bayat.stat@chmail.ir 10031947532846005212 10031947532846005212 Yes Department of Statistics, Yazd University, Yazd , Iran. گروه آمار، دانشگاه یزد Hamzeh Torabi حمزه ترابی htorabi@yazd.ac.ir 10031947532846005213 10031947532846005213 No Department of Statistics, Yazd University, Yazd , Iran. گروه آمار، دانشگاه یزد