fa معرفی مدل صف‌بندی و برآوردی جدید ( E^2- بیز ) برای پارامتر شدت ترافیک آن استنباط آماری Statistical Inference پژوهشی بنیادی Research <p dir="rtl" style="text-align: justify;">مطالعه مدل‌های متنوع در نظریه صف لازم است تا بهره‌وری سیستم‌های صف‌بندی افزایش یابد. در این مقاله از خانواده مدل‌های {E_r/M/c; r,cin N}، مدل E_r/M/3 معرفی می‌شود و کمیت‌هایی مانند توزیع تعداد متقاضیان (مشتریان) در سیستم، متوسط تعداد متقاصیان در صف و سیستم و متوسط زمان انتظار در صف و سیستم یک متقاضی به دست آورده می‌شوند. به دلیل نقش ویژه پارامتر شدت ترافیک در معیارهای ارزیابی عملکرد سیستم‌های صف‌بندی، برآورد آن به روش‌های بیز، E-بیز و بیز سلسله‌مراتبی تحت تابع زیان آنتروپی عمومی و بر اساس زمان توقف سیستم، به دست آورده می‌شود و سپس بر اساس برآوردگر E-بیز، برآوردی جدید برای پارامتر شدت ترافیک معرفی می‌گردد که در این مقاله برآورد E^2-بیز نامیده می‌شود. &nbsp;بنابر این در بین برآوردگرهای بیز، E-بیز، بیز سلسله‌مراتبی و برآوردگر جدید، برآوردگری که بتواند متوسط مدت زمان انتظار در صف مشتری را کاهش دهد در این مقاله به عنوان برآوردگر مطلوب پارامتر شدت ترافیک در نظر گرفته می‌شود. همچنین با استفاده از روش شبیه‌سازی مونت‌کارلو و به کمک یک مجموعه داده‌های واقعی برتری برآوردگر جدید نسبت به سایر برآوردگرهای ذکر شده در مقاله نشان داده می‌شود.</p> <p>Studying various models in queueing theory is essential for improving the efficiency of queueing systems. In this paper, from the family of models {E_r/M/c; r,c in N}, the E_r/M/3 model is introduced, and quantities such as the distribution of the number of customers in the system, the average number of customers in the queue and in the system, and the average waiting time in the queue and in the system for a single customer are obtained. Given the crucial role of the traffic intensity parameter in performance evaluation criteria of queueing systems, this parameter is estimated using Bayesian, E‑Bayesian, and hierarchical Bayesian methods under the general entropy loss function and based on the system&rsquo;s stopping time. Furthermore, based on the E‑Bayesian estimator, a new estimator for the traffic intensity parameter is proposed, referred to in this paper as the E^2‑Bayesian estimator. Accordingly, among the Bayesian, E‑Bayesian, hierarchical Bayesian, and the new estimator, the one that minimizes the average waiting time in the customer queue is considered the optimal estimator for the traffic intensity parameter in this paper. Finally, through Monte Carlo simulation and using a real dataset, the superiority of the proposed estimator over the other mentioned estimators is demonstrated.</p> ‌مدل صف‌بندی E_r/M/3‎, پارامتر شدت ترافیک, متوسط مدت زمان انتظار در صف, برآورد E-بیز, برآورد بیز سلسله مراتبی, برآورد ‎E^2-بیز. Queuing model E_r/M/3$, Traffic intensity, Average waiting time, E-Bayesian estimation, Hierarchical Bayesian estimation, E^2-Bayesian estimation. 491 514 http://jss.irstat.ir/browse.php?a_code=A-10-689-13&slc_lang=fa&sid=1 Shahram Yaghoobzadeh شهرام یعقوب زاده yagoubzade@pnu.ac.ir 5189447847 10031947532846009079 Yes Payame Noor University دانشگاه پیام نور