fa تحلیل وابستگی دو متغیره با استفاده از اندازه‌های واگرایی جفری و هلینجر براساس برآورد تابع چگالی مفصل به روش تبدیل پروبیت بهبودیافته استنباط آماری Statistical Inference كاربردي و توسعه ای Applied <div style="text-align: justify;">اندازه‌های واگرایی می‌توانند به عنوان معیارهای وابستگی در نظر گرفته می‌شوند و برحسب تابع چگالی مفصل بازنویسی شوند. در این مقاله، معیارهای وابستگی جفری و هلینجر با استفاده از روش تبدیل پروبیت بهبود‌یافته برآورد می‌شوند و سازگاری مجانبی آن‌ها اثبات می‌گردد. علاوه‌براین، یک مطالعه شبیه‌سازی برای سنجش دقت برآوردگرها انجام شده است. نتایج شبیه‌سازی نشان می‌دهند که برای حجم نمونه کم یا شدت وابستگی ضعیف، معیار وابستگی هلینجر عملکردی بهتری نسبت به معیارهای وابستگی کولبک-لیب‌لر و جفری دارند. در انتها، کاربردی از روش‌های مورد بررسی در هیدرولوژی ارائه شده است.</div> <div style="text-align: justify;">Divergence measures can be considered as criteria for analyzing the dependency and can be rewritten based on the copula density function. In this paper, Jeffrey and Hellinger dependency criteria are estimated using the improved probit transformation method, and their asymptotic consistency is proved. In addition, a simulation study is performed to measure the accuracy of the estimators. The simulation results show that for low sample size or weak dependence, the Hellinger dependency criterion performs better than Kullback-Libeler and Jeffrey dependency criteria. Finally, the application of the studied methods in hydrology is presented.</div> واگرایی, وابستگی, چگالی مفصل, تبدیل پروبیت. Divergence, Dependency, Copula Density, Probit Transformation. 233 254 http://jss.irstat.ir/browse.php?a_code=A-10-77-1&slc_lang=fa&sid=1 Morteza Mohammadi مرتضی محمدی mortezamohammadi408@mail.um.ac.ir 10031947532846007397 10031947532846007397 No Department of Statistics, Ferdowsi University of Mashhad, Mashhad, Iran. گروه آمار، دانشگاه فردوسی مشهد Mahdi Emadi مهدی عمادی emadi@um.ac.ir 10031947532846007398 10031947532846007398 Yes Department of Statistics, Ferdowsi University of Mashhad, Mashhad, Iran. گروه آمار، دانشگاه فردوسی مشهد Mohammad Amini محمد امینی m-amini@um.ac.ir 10031947532846007399 10031947532846007399 No Department of Statistics, Ferdowsi University of Mashhad, Mashhad, Iran. گروه آمار، دانشگاه فردوسی مشهد