توزیع گسسته متوازن وایبل و مدل گسسته مقدار خودبازگشتی متناظر آن: ویژگی ها، برآورد و آنالیز داده های شمارشی فوت ناشی از covid-19

در این مقاله به معرفی توزیع گسسته جدید وایبل بر اساس روش توزیع گسسته متوازن که حافظ گشتاورهایجزئی بین دو نسخه گسسته و پیوسته توزیع ها است، می پردازیم. برخی ویژگی های آماری توزیع جدید و انواع پراکندگیتوزیع مدنظر بر اساس انتخاب های گوناگونی از پارامترها ارائه می گردد. علاوه بر معرفی نسخه جدید گسسته متوازن وایبل،مدل خودبازگشتی گسسته مقدار با نوفه هایی از توزیع گسسته مدنظر را ارائه می نماییم و به بررسی روش های مختلفبرآورد پارامترهای مدل می پردازیم. با استفاده از داده های فوت ناشی از 19covid در کشورهای کوبا، مالاوی وازبکستان، به بررسی کارایی فرایند جدید در برازش داده های واقعی در مقایسه با برخی مدل های خودبازگشتی گسسته مقدارکلاسیک می پردازیم. در پایان پیش بینی فرایند با استفاده از دو رویکرد کلاسیک و بوت استرپ غربال، بر اساس داده هایواقعی نیز بررسی می شود.

The Balanced Discrete Weibull Distribution and Its Corresponding Integer-value Autoregressive Model: Properties, Estimation and Analysis of Counting Death of COVID-19 Data

In this paper, we introduce a new discrete Weibull distribution based on the balanced discretization method, which preserves the partial moments between the two discrete and continuous versionsof the distributions. Some statistical features of the new distribution and different kinds of dispersion ofthe proposed distribution are presented based on various selections of parameters. In addition to introducing the new version of balanced discrete Weibull, we provide the integervalued autoregressive modelwith the innovation of the proposed discrete distribution and evaluate different methods for estimating themodel parameters. Using the counts of death of the COVID19 data in Cuba, Malawi and Uzbekistan, weappraise the performance of the new process in fitting real data to some classical integervalued autoregressive models. Finally, the forecasting of the process is checked based on real data using both classicaland sieve bootstrap approaches