<?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>1396</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2018</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>11</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>مدل‌بندی داده‌های شمارشی تحت تأثیر بیش‌پراکنش با مدل رگرسیون پواسون-بیرنبام ساندرز</title_fa>
	<title>Modeling Count Data Under the Influence  Overdispersion by Poisson Birnbaum-Saunders  Regression Model</title>
	<subject_fa>آمار نظری</subject_fa>
	<subject>Theoritical Statistics</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px;&quot;&gt;در این مقاله ابتدا به معرفی مدل&#8204;های رگرسیون پواسون آمیخته پرداخته و در ادامه به معرفی یک مدل جدید به نام رگرسیون پواسون-بیرنبام ساندرز با هدف لحاظ کردن مسئله بیش&#8204;پراکنش در مدل&#8204;بندی داده&#8204;های شمارشی پرداخته می&#8204;شود.&lt;br&gt;
از آن&#8204;جا که توزیع بیرنبام ساندرز آمیخته&#8204;ای از دو توزیع گاوسی وارون تعمیم&#8204;یافته است، لذا می&#8204;توان مدل معرفی شده دو پارامتری را تعمیمی بر مدل&#8204;های قبلی دانست که علاوه بر داشتن یک پارامتر کمتر نسبت به مدل رگرسیون پواسون گاوسی وارون تعمیم&#8204;یافته، دارای شکل بسته در تابع جرم احتمال حاشیه&#8204;ای و گشتاورهای مربوطه است.&lt;/p&gt;

&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px;&quot;&gt;برای برآورد پارامتر&#8204;های این مدل از الگوریتم EM استفاده و در نهایت کارایی این مدل نسبت به مدل&#8204;های موجود با استفاده از مطالعه شبیه&#8204;سازی شده و یک مثال واقعی نشان داده شده است.&lt;/p&gt;
&lt;p dir=&quot;RTL&quot;&gt;&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;margin: 0px; text-align: justify;&quot;&gt;In this paper the mixed Poisson regression model is discussed and a Poisson Birnbaum-Saunders regression model is introduced consider the over-dispersion. The Birnbaum-Saunders distribution is the mixture of two the generalized inverse Gaussian distributions, therefore it can be considered as an extension of traditional models. Our proposed model has less dimensional parameter space than the Poisson- generalized inverse Gaussian regression model. We also show that the proposed model has a closed form for likelihood function and we obtain its moments. The EM algorithm is used to estimate the parameters and its efficiency is compared with conventional models by a simulation study. An analysis of a real data is provided for more illustration.&lt;/p&gt;</abstract>
	<keyword_fa>وزیع بیرنبام ساندرز, الگوریتم EM, داده‌های شمارشی, مدل‌های رگرسیون پواسون, بیش‌پراکنش, مدل رگرسیون پواسون آمیخته</keyword_fa>
	<keyword>Birnbaum-Saunders Distribution, EM Algorithm, Count Data, Poisson Regression Models, Overdispersion, Mixed Poisson Regression Model</keyword>
	<start_page>241</start_page>
	<end_page>262</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-845-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Reza</first_name>
	<middle_name></middle_name>
	<last_name>Pourmousa</last_name>
	<suffix></suffix>
	<first_name_fa>رضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>پورموسی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>rezapourmousa@yahoo.com</email>
	<code>10031947532846005166</code>
	<orcid>10031947532846005166</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Faculty of Mathematics and Computer, Shahid Bahonar University of Kerman, Kerman, Iran.</affiliation>
	<affiliation_fa>دانشگاه شهید باهنر کرمان، دانشکده ریاضی و کامپیوتر، بخش آمار</affiliation_fa>
	 </author>


	<author>
	<first_name>Narjes</first_name>
	<middle_name></middle_name>
	<last_name>Gilani</last_name>
	<suffix></suffix>
	<first_name_fa>نرجس</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>گیلانی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>gilaninarges84@gmail.com</email>
	<code>10031947532846005167</code>
	<orcid>10031947532846005167</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Faculty of Mathematics and Computer, Shahid Bahonar University of Kerman, Kerman, Iran.</affiliation>
	<affiliation_fa>دانشگاه شهید باهنر کرمان، دانشکده ریاضی و کامپیوتر، بخش آمار</affiliation_fa>
	 </author>


</author_list>


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