<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Research of Iran</title>
<title_fa>مجله‌ی پژوهش‌های آماری ایران</title_fa>
<short_title>JSRI</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jsri.srtc.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2538-5771</journal_id_issn>
<journal_id_issn_online>2538-5763</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>10.52547/jsri</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>en</language>
<pubdate>
	<type>jalali</type>
	<year>1394</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2016</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>12</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>پیش‌بینی دو‌نمونه‌ای بیزی در داده‌های سانسورشده‌ی فزاینده از توزیع نمایی تعمیم‌یافته، تحت تابع‌های زیان متقارن و نامتقارن</title_fa>
	<title>Bayesian Two-sample Prediction with Progressively Censored Data for Generalized Exponential Distribution Under Symmetric and Asymmetric Loss Functions</title>
	<subject_fa>عمومى</subject_fa>
	<subject>General</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot;&gt;در بسیاری از پژوهش&#8204;های آماری پیش&#8204;بینی نقش مهمی دارد. مثال&#8204;هایی در این زمینه شامل سامانه&#8204;های مهندسی، طرح آزمایش&#8204;ها و غیره می&#8204;باشند. در این مقاله، بر اساس داده&#8204;های سانسورشده&#8204;ی فزاینده&#8204;ی نوع دوم در الگوی نمایی تعمیم&#8204;یافته، پیشگوگرهای بیزی نقطه&#8204;ای و بازه&#8204;ای تحت توزیع&#8204;های پیشین آگاهی&#8204;بخش و ناآگاهی&#8204;بخش مورد بررسی قرار می&#8204;گیرند.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;همچنین کران&#8204;های پیش&#8204;بینی و پیشگوگرهای نقطه&#8204;ای بیزی را تحت دو تابع زیان توان دوم خطا و خطی- نمایی، برای آماره&#8204;ی مرتب در یک نمونه&#8204;ی&#8204; سانسورشده&#8204;ی فزاینده&#8204;ی نوع دوم آینده با طرح سانسور دلخواه، به دست می&#8204;آوریم. نتیجه&#8204;ها مستخرج ممکن است در آزمایش&#8204;های طول عمر برای پیش&#8204;بینی زمان کل آزمایش مورد استفاده قرار گیرند.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;علاوه بر روش عددی، روش نمونه&#8204;گیری گیبزی (به&#8204;عنوان روشی از مونته کارلوی زنجیر مارکوفی) برای ارزیابی کران&#8204;های پیش&#8204;بینی و پیشگوگرهای نقطه&#8204;ای بیزی تقریبی تحت تابع&#8204;های زیان توان دوم خطا و خطی- نمایی مورد استفاده قرار گرفته است.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;عملکرد روش&#8204;های پیش&#8204;بینی پیش&#8204;نهادی از طریق یک مطالعه&#8204;ی شبیه&#8204;سازی مونته کارلویی و یک مثال عددی (واقعی) برای هر روش نشان داده شده است.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot;&gt;&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p align=&quot;left&quot;&gt;&lt;span style=&quot;line-height: 1.6em;&quot;&gt;Received: 4/12/2015 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;Approved: 2/6/2016&amp;lrm;&lt;/span&gt;&lt;/p&gt;

&lt;p&gt;Statistical prediction analysis plays an important role in a wide range of fields. Examples include engineering systems, design of experiments, etc. In this paper, based on progressively Type-II right censored data, Bayesian two-sample point and interval predictors are developed under both informative and non-informative priors. By assuming a generalized exponential model, prediction bounds as well as Bayes point predictors are obtained under the squared error loss (SEL) and the Linear-Exponential (LINEX) loss functions for the order statistic in a future progressively Type-II censored sample with an arbitrary progressive censoring scheme. The derived results may be used for prediction of total time on test in lifetime experiments. %in reliability analyses In addition to numerical method, Gibbs sampling procedure (as Markov Chain Monte Carlo method) are used to assess approximate prediction bounds and Bayes point predictors under the SEL and LINEX loss functions. The performance of the proposed prediction procedures are also demonstrated via a Monte Carlo simulation study and an illustrative example, for each method.&lt;/p&gt;

&lt;p&gt;&lt;/p&gt;

&lt;p align=&quot;left&quot;&gt;&lt;/p&gt;

&lt;p&gt;&lt;/p&gt;
</abstract>
	<keyword_fa>الگوی نمایی تعمیم‌یافته, پیش‌بینی بیزی, پیش‌بینی دونمونه‌ای, تابع زیان خطی- نمایی, طرح سانسورشده‌ی فزاینده‌ی نوع دوم, مونته کارلوی زنجیر مارکوفی, نمونه‌گیری گیبزی.</keyword_fa>
	<keyword> Bayesian prediction, generalized exponential model, gibbs sampling, LINEX loss function, Markov Chain Monte Carlo, progressive type-II censoring scheme, two-sample prediction.</keyword>
	<start_page>179</start_page>
	<end_page>204</end_page>
	<web_url>http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-155&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>S. </first_name>
	<middle_name></middle_name>
	<last_name>Ghafouri</last_name>
	<suffix></suffix>
	<first_name_fa>سمیه</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>غفوری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>so_gh806@stu-mail.um.ac.ir</email>
	<code>1003194753284600766</code>
	<orcid>1003194753284600766</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>A. </first_name>
	<middle_name></middle_name>
	<last_name>Habibi Rad</last_name>
	<suffix></suffix>
	<first_name_fa>آرزو</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>حبیبی راد</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ahabibi@um.ac.ir</email>
	<code>1003194753284600767</code>
	<orcid>1003194753284600767</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>M. </first_name>
	<middle_name></middle_name>
	<last_name>Doostparast</last_name>
	<suffix></suffix>
	<first_name_fa>مهدی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>دوست‌پرست</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>doustparast@um.ac.ir</email>
	<code>1003194753284600768</code>
	<orcid>1003194753284600768</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


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