<?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>انجمن آمار ایران</PublisherName>
				<JournalTitle>اندیشه آماری</JournalTitle>
				<Issn>1026-8944</Issn>
				<Volume>28</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2024</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Inference in von Mises circular distribution under weighted sampling</ArticleTitle>
<VernacularTitle>استنباط آماری در توزیع دایره ای ون میزس تحت نمونه گیری وزنی</VernacularTitle>
			<FirstPage>139</FirstPage>
			<LastPage>146</LastPage>
			<ELocationID EIdType="pii">723178</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>فاطمه</FirstName>
					<LastName>شاه سنایی</LastName>
<Affiliation>دانشگاه شهید چمران اهواز</Affiliation>

</Author>
<Author>
					<FirstName>رحیم</FirstName>
					<LastName>چینی پرداز</LastName>
<Affiliation>دانشگاه شهید چمران اهواز</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>04</Month>
					<Day>27</Day>
				</PubDate>
			</History>
		<Abstract>Circular data are measured in angles or directions. In many cases of sampling, instead of a random sample, we deal with a weighted model. In such sampling, observations are provided throughout with a positive function, weight function. This article deals with weight distributions in circular data. According to von Mises distrinution is the most widely used distribution for modeling circular data, maximum likelihood estimation of parameters in weighted von Mises distributions is investigated. In a simulation study, different weights are compared in the Van Mises circular distribution.</Abstract>
			<OtherAbstract Language="FA">در بعضی از پدیده های تجربی، پژوهشگران با داده هایی مواجه هستند که ذاتا ماهیت اقلیدسی ندارند. داده های دایره ای که برای اندازه گیری زاویه و یا جهت به کار می روند، از این نوع هستند. در بررسی های آماری ممکن است به جای نمونه های تصادفی با نمونه های وزنی مواجه شویم که در آنها مشاهدات متناظر با تابعی تحقق مییابند. در این مقاله به توزیع های وزنی در داده های دایره ای پرداخته می شود. با توجه به اینکه توزیع ون میزس کاربرد بسیار وسیعی در مدل بندی داده های دایره ای دارد، برآورد ماکسیمم درستنمایی پارامترهای توزیع دایره ای ون میزس وزنی مورد بررسی قرار می گیرد. از آنجا که ممکن است براوردگرها شناسا پذیر نباشند، به کمک توزیع پیشین مناسب ممکن است برآوردهایی منحصر به فرد به دست آورد. در یک کار شبیه سازی وزن های مختلف در توزیع دایره ای ون میزس مقایسه می شوند</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">داده های دایره ای</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">توزیع ون میزس</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تابع وزن</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">برآورد ماکسیمم درستنمایی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبیه سازی رد- پذیرش</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://andisheyeamari.irstat.ir/article_723178_d30307244c6f1fd333263a7cec0e3282.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
