en مطالعه‌ای در مدل‌بندی ماکسیمم آنتروپی دومتغیری عمومى General پژوهشي Research <p dir="RTL">فرض کنید <span style="line-height: 20.8px">&nbsp;(</span><strong style="line-height: 20.8px">X</strong><span style="line-height: 20.8px">=(X</span><sub style="line-height: 20.8px">1</sub><span style="line-height: 20.8px">&nbsp;,X</span><sub style="line-height: 20.8px">2</sub>یک بردار تصادفی پیوسته از متغیرهای طول عمر باشد. حالت‌های بسیاری وجود دارند که در آن‌ها توزیع‌های حاشیه‌ای <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">1&nbsp;</sub>&nbsp;و <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">2&nbsp;</sub>&nbsp;معلوم هستند اما رابطه‌ی وابستگی بین <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">1&nbsp;</sub>&nbsp;و <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">2&nbsp;</sub>&nbsp;به‌طور کامل مشخص نیست و تنها اطلاعات ناکاملی در این زمینه در اختیار است. تحت این شرایط هدف براورد توزیع توأم <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">1&nbsp;</sub>&nbsp;و <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">2&nbsp;</sub>&nbsp;می‌باشد. بدین منظور از روش ماکسیمم آنتروپی استفاده کرده و برخی نتیجه‌ها برای براورد مدل بر اساس اطلاعات ناکامل ارائه می‌شود. بر اساس نتیجه‌های به دست آمده به مشخصه‌سازی برخی توزیع‌های مهم دومتغیری نظیر توزیع گامبل تعمیم‌یافته و توزیع دومتغیری کلایتون می‌پردازیم. همچنین مدل‌های ماکسیمم آنتروپی به دست آمده را از نقطه نظر برخی مفاهیم وابستگی مورد مطالعه قرار می‌دهیم. شرایطی که تحت آن مدل‌های آمیخته‌ی دومتغیری، مدل‌های ماکسیمم آنتروپی هستند از دیگر مسائلی است که در این مقاله مورد بررسی قرار می‌گیرد.</p> <p>Let<span style="line-height: 20.8px">&nbsp;</span><strong style="line-height: 20.8px">X</strong><span style="line-height: 20.8px">=(X</span><sub style="line-height: 20.8px">1</sub><span style="line-height: 20.8px">&nbsp;,X</span><sub style="line-height: 20.8px">2</sub><span style="line-height: 20.8px">&nbsp;)</span>&nbsp;be a continuous random vector. Under the assumption that the marginal distributions of <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">1&nbsp;</sub>and <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">2</sub>&nbsp;are given, we develop models for vector <strong>X</strong> when there is partial information about the dependence structure between <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">1&nbsp;</sub>&nbsp;and <span style="line-height: 20.8px">X</span><sub style="line-height: 20.8px">2</sub>. The models which are obtained based on well-known Principle of Maximum Entropy are called the maximum entropy (ME) models. Our results lead to characterization of some well-known bivariate distributions such as Generalized Gumbel, Farlie-Gumbel-Morgenstern and Clayton bivariate distributions. The relationship between ME models and some well known dependence notions are studied. Conditions under which the mixture of bivariate distributions are ME models are also investigated.</p> رده‌ی فره‌شه از توزیع‌ها, گرادیان نرخ شکست, وابستگی, مثبت تام از مرتبه‌ی 2 . Fréchet class of distributions, hazard gradient, dependence, total positive of order 2. 29 48 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-54&slc_lang=en&sid=1 S. Ashrafi سمیه اشرفی s.ashrafi@sci.ui.ac.ir 1003194753284600649 1003194753284600649 No M. Asadi مجید اسدی m.asadi@sci.ui.ac.ir 1003194753284600650 1003194753284600650 Yes