<?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>1400</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2022</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>15</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>معرفی یک مدل بقای فضایی با اثرات تصادفی چوله گاوسی و کاربرد آن در تحلیل داده‌های بیماری کووید-19</title_fa>
	<title>Introduce a Survival Model with Spatial Skew Gaussian Random Effects and its Application in Covid-19 Data Analysis</title>
	<subject_fa>آمار فضایی</subject_fa>
	<subject>Spatial 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;text-align: justify;&quot;&gt;با توجه به سرعت بالای شیوع بیماری ناشی از ویروس کرونا به نظر می&#8204;رسد انتقال این بیماری تا حد بسیار زیادی متاثر از موقعیت مکانی افراد آلوده به ویروس است. از زمان آغاز پاندمی، مدل&#8204;های زیادی برای تحلیل زمان بقای بیماران مبتلا به این ویروس استفاده شده است. چون یکی از عوامل مهم خطر، همبستگی فضایی بین زمان&#8204;های بقا است، برای وارد کردن این اثر در مدل بقا، عموماً از یک میدان تصادفی گاوسی استفاده می&#8204;شود. اما فرض گاوسی بودن اثرات تصادفی به دلیل چولگی توزیع زمان بقای بیماران در عمل مطابق با واقعیت نیست. در این مقاله با در نظر گرفتن اثرات تصادفی چوله گاوسی یک مدل بقای فضایی جدید معرفی شده و با تعیین تابع درستنمایی، پارامترهای آن برآورد شده است. سپس در قالب یک مطالعه شبیه&#8204;سازی عملکرد مدل پیشنهادی مورد ارزیابی قرار گرفته است. در خاتمه نحوه کاربست مدل معرفی شده برای تحلیل داده&#8204;های زمان بقای بیماران مبتلا به کووید-19 &amp;nbsp;ارائه شده است.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;The prevalence of Covid-19 is greatly affected by the location of the patients. From the beginning of the pandemic, many models have been used to analyze the survival time of &amp;nbsp;Covid-19 patients. These models often use the Gaussian random field to include this effect in the survival model. But the assumption of Gaussian random effects is not realistic. In this paper, by considering a spatial skew Gaussian random field for random effects and a new spatial survival model is introduced. Then, in a simulation study, the performance of the proposed model is evaluated. &amp;nbsp;Finally, the application of the model to analyze the survival time data of Covid-19 patients in Tehran is presented.&lt;/p&gt;</abstract>
	<keyword_fa>داده بقای فضایی, مدل بقای فضایی, میدان تصادفی چوله گاوسی, کووید- 19.</keyword_fa>
	<keyword>Spatial Survival Data, Spatial Survival Model, Skew Gaussian Random Field, Covid-19.</keyword>
	<start_page>567</start_page>
	<end_page>590</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-625-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Kiomars</first_name>
	<middle_name></middle_name>
	<last_name>Motarjem</last_name>
	<suffix></suffix>
	<first_name_fa>کیومرث</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>مترجم</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>k.motarjem@modares.ac.ir</email>
	<code>10031947532846007382</code>
	<orcid>10031947532846007382</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Tarbiat Modares University</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه تربیت مدرس</affiliation_fa>
	 </author>


</author_list>


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