<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه پیام نور</PublisherName>
				<JournalTitle>دوفصلنامه گستره‌ علوم آماری</JournalTitle>
				<Issn>2476-3632</Issn>
				<Volume>1</Volume>
				<Issue>2 (بهار و تابستان 1395)</Issue>
				<PubDate PubStatus="epublish">
					<Year>2016</Year>
					<Month>11</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Wavelet-based Estimator for Derivatives of Density Function for Censored and Extended Negatively Dependent Observations</ArticleTitle>
<VernacularTitle>برآوردگر موجکی تابع چگالی احتمال و مشتقات آن برای متغیرهای تصادفی سانسورشده تحت وابستگی منفی تعمیم یافته</VernacularTitle>
			<FirstPage>31</FirstPage>
			<LastPage>38</LastPage>
			<ELocationID EIdType="pii">3212</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>نرگس</FirstName>
					<LastName>حسینیون</LastName>
<Affiliation>استادیار، آمار، دانشگاه پیام نور</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>12</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract>Wavelet Analysis is a branch of Harmonic Analysis and a new phenomenon of Mathematics science which offers wide range of application in Mathematics, Statistics and other fields. Wavelets analysis is finding a rapidly growing number of applications despite its young age and often replacing the conventional Fourier transform. Basically in this paper, the problem of estimating a density and its derivatives for a sample of censored random variables is considered. The purpose of this paper is to present an approach to this problem based on wavelets methods for extended negatively dependent observations. Besides, we explore its performances under the  risk in Besov ball.</Abstract>
			<OtherAbstract Language="FA">نظریۀ موجک‌ها شاخه‌ای از تحلیل هارمونیک و از پدیده‌های جدید علم ریاضی است که کاربرد‌های زیادی در ریاضیات و آمار و سایر علوم دارد. این نظریه علی رغم عمر کوتاه خود، به سرعت رشد کرد و تقریباً در هر زمینه‌ای که‌ تحلیل فوریه حضور داشته، به رقابت با آن برخاسته است. در این مقاله یک برآورد ناپارامتری برای تابع چگالی احتمال و مشتقات آن براساس روش موجک برای متغیرهای تصادفی سانسور شده تحت وابستگی منفی تعمیم یافته ارائه می‌دهیم و به بررسی ویژگی‌های آن در فضای بسوف می‌پردازیم. نشان می‌دهیم برآوردگر معرفی شده دارای نرخ بهینۀ همگرایی برآوردگرهای موجک، تحت زیان است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">آنالیز چندریزگی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">برآوردگر موجک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">فضای بسوف</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مشاهدات سانسور شده</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">وابستگی منفی تعمیم یافته</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://stat.journals.pnu.ac.ir/article_3212_49beef69e292b9c19cdff269fe47c5a4.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
