فیروزه باستان - Department of Statistics, University of Mazandaran, Babolsar, Iran.
سیدمحمدتقی کامل میرمصطفائی - Department of Statistics, University of Mazandaran, Babolsar, Iran.

در این مقاله، برآوردیابی و پیش بینی برای توزیع پواسن-نمایی بر اساس رکوردهای پایین و زمان های بین رکورد مورد مطالعه قرار می گیرند. برآوردیابی با روش های ماکسیمم درستنمایی و بیزی بر اساس دو تابع زیان متقارن و نامتقارن صورت می ‍ پذیرد. از آن جا که به نظر می رسد انتگرال های مرتبط با برآوردهای بیزی دارای فرم های بسته نیستند، از الگوریتم های متروپولیس-هستینگز درون گیبز و نمونه گیری نقاط مهم برای تقریب این انتگرال ها استفاده می شود. همچنین پیش بینی بیزی رکوردهای آینده نیز مورد بررسی قرار می گیرد. یک مطالعه شبیه سازی و یک مثال کاربردی برای ارزیابی و نشان دادن کاربرد نتایج مقاله و همچنین مقایسه نتایج عددی وقتی استنباط بر اساس رکوردها و زمان های بین رکورد است، با هنگامی که استنباط تنها بر اساس رکوردها صورت می پذیرد، ارائه می گردد.

Metropolis-Hastings Within Gibbs Algorithm, Lower Record Statistics, Inter-Record Times, Monte Carlo Simulation, Importance Sampling., الگوریتم متروپولیس-هستینگز درون گیبز, آماره های رکوردی پایین, زمان های بین رکورد, شبیه سازی مونت کارلو, نمونه گیری نقاط مهم.