fa مدل خودبازگشتی گسسته‌مقدار بر اساس نوفه‌هایی با توزیع نمایی-وایبل گسسته سریهای زمانی Time Series كاربردي و توسعه ای Applied در این مقاله،&nbsp; به منظور مدل‌سازی داده‌های سری زمانی گسسته‌مقدار، فرایند خودبازگشتی گسسته‌مقدار جدید بر اساس توزیع‌ نمایی-وایبل گسسته معرفی شده است. &nbsp;<br> نظر به اهمیت توزیع‌های گسسته در مدل‌سازی داده‌های شمارشی، همتای گسسته توزیع نمایی-وایبل معرفی و برخی ویژگی‌های آماری آن از قبیل تابع ﺑﻘﺎ، ﻧﺮخ ﺧﻄر، تابع مولد گشتاور، چولگی و کشیدگی بررسی می‌شود.&nbsp; شاخص‌های پراکندگی فیشر، چولگی و کشیدگی، بیانگر انعطاف‌پذیری و کارایی توزیع نمایی-وایبل گسسته در برازش انواع مختلف داده‌های شمارشی است. توزیع نمایی-وایبل گسسته، برازش داده‌هایی با ویژگی‌های مختلف پراکندگی (کم‌پراکندگی، بیش‌پراکندگی و همسان)، دم راست بلند (چوله به راست) و دم سنگین را پوشش می‌دهد. پارامترهای مدل با استفاده از سه رویکرد ماکسیمم درستنمایی شرطی، کمترین توان‌های دوم شرطی تعمیم‌یافته و یول-واکر&nbsp; برآورد شده است. در پایان، کارایی و برتری فرایند مدنظر در برازش داده‌های تعداد فوت ناشی از بیماری COVID-19 نیز، در مقایسه با سایر مدل‌های رقیب بررسی می‌شود.<br> <br> &nbsp; In this paper, a new integer-valued autoregressive process is introduced based on the discrete exponential-Weibull distribution to model integer-value time series data. Regarding the importance of discrete distributions in counting data modeling, the discrete counterpart of the exponential-Weibull distribution is introduced, and some of its statistical properties, such as survival function, hazard rate, moment generating function, skewness and kurtosis, are investigated. The Fisher dispersion, skewness and kurtosis indices show the flexibility and efficiency of the discrete Exponential-Weibull distribution in fitting different types of counting data. The discrete Exponential-Weibull distribution covers data fits with different dispersion characteristics (overdispersion, underdispersion and equidispersion), long right tail&nbsp; (skewed to the right) and heavy-tailed. The model parameters are estimated using three approaches maximum conditional likelihood, minimum generalized conditional squares, and Yule-Walker. Finally, the efficiency and superiority of the process in fitting counts data of deaths due to COVID-19 disease are compared with other competing models. فرایند(1)INAR ,نمایی-وایبل گسسته, شاخص پراکندگی, دم سنگین. INAR(1) process, Discrete Exponential-Weibull, Dispersion index, Heavy-tailed. 469 492 http://jss.irstat.ir/browse.php?a_code=A-10-998-3&slc_lang=fa&sid=1 Einolah Deiri محمد جواد نورالهی M.j.n.q.13711371@gmail.com 2150286531 10031947532846007596 No Islamic Azad University دانشگاه آزاد اسلامی Einolah Deiri عین الله دیری e.deiri53@qaemiau.ac.ir 2161903306 10031947532846007597 Yes Islamic Azad University دانشگاه آزاد اسلامی Ezzatallah Jamkhaneh عزت الله بالوئی جامخانه e_baloui2008@yahoo.com 2093371693 10031947532846007598 No Islamic Azad University دانشگاه آزاد اسلامی