برای آزمون فرضیه همگنی مدل­های آمیخته، معمولا از آزمون نسبت درستنمایی اصلاح شده که مبتنی بر افزودن یک تابع تاوان مناسب به تابع لگ درستنمایی می­باشد، استفاده می­شود. کارایی این آزمون به شدت تحت تاثیر شکل تابع تاوان انتخابی است. انتخاب تابع تاوان در این نوع آزمون معمولا براساس پرهیز از پیچیدگی و میسر بودن برآورد پارامترها صورت می­پذیرد، که لزوما نتایج مطلوبی به دنبال ندارد. در این مقاله یک تابع تاوان جامع در نظر گرفته شده است، که دارای یک پارامتر تعیین کننده شکل است. سپس پارامتر تعیین کننده شکل این تابع با استفاده از رهیافت بیزی، به صورت پسینی برآورد شده­ اند. نشان داده شده است که رهیافت بیزی پیشنهادی در برآورد پارامترهای مدل، در مقایسه با رهیافت بسامدی، به مراتب کارایی مطلوب تری دارد. این کارایی خصوصا در شرایط شناخت ناپذیری توزیع آمیخته که روش­های بسامدی کارایی اندکی دارند، بیشتر است.

در این مقاله، یک توزیع جدید سه پارامتری طول عمر با ترکیب کردن توزیع های نمایی تعمیم یافته و لگاریتمی معرفی می شود. این توزیع به ازای مقادیر مختلف پارامترها دارای نرخ شکست نزولی و صعودی نزولی است. ویژگی های این توزیع جدید طول عمر،از جمله تابع چگالی احتمال، تابع توزیع تجمعی، تابع بقا، تابع مخاطره، تابع مولد گشتاور و گشتاورهای آن محاسبه می شوند. برآورد ماکسیمم درستنمایی پارامترهای این توزیع بااستفاده از الگوریتم تعیین و ماتریس واریانس کوواریانس مجانبی برآورد پارامترها به دست آورده می شوند. سپس با هدف تعیین دقت، با استفاده از شبیه سازی مونت کارلو، واریانس و کواریانس های برآوردگرهای ماکسیمم درستنمایی مورد بررسی قرار می گیرند

در این مقاله یک توزیع دو پارامتری جدید به عنوان تعمیمی از توزیع لیندلی، تحت عنوان توزیع لیندلی لگاریتمی با تابع نرخ شکست صعودی و وانی شکل معرفی می‌شود. توزیع جدید از ترکیب توزیع لیندلی و توزیع لگاریتمی به‌دست می‌آید. چندین ویژگی از توزیع جدید از جمله تابع چگالی، تابع نرخ شکست، چندک‌ها و گشتاورها محاسبه می‌شود. برآورد ماکسیمم درستنمایی با استفاده از الگوریتم EM به‌دست می‌آید. در نهایت برتری این توزیع نسبت به توزیع لیندلی، با استفاده از دو سری داده واقعی نشان داده می‌شود.

در این مقاله به بحث انتخاب متغیر با رویکردی جدید در آمیزه‌ای متناهی از مدل‌های رگرسیونی نیم‌پارامتری پرداخته می‌شود، به گونه‌ای که داده‌ها از توزیع پواسون تبعیت می‌کنند. اما دو عامل بیش‌پراکندگی و صفرهای بیش از حد به دلیل استفاده از توزیع پواسون می‌تواند تاثیر زیادی بر انتخاب متغیر و براورد پارامترها داشته باشند. در واقع براورد پارامترها در بخش پارامتری مدل رگرسیونی نیم‌پارامتری با استفاده از رویکرد درستنمایی تاوانیده انجام می‌پذیرد و در بخش ناپارامتری پس از تقریب موضعی تابع ناپارامتری با استفاده از بسط تیلور، محاسبات در حضور براورد ضرایب پارامتری انجام می‌گیرد. استفاده از رویکرد جدید در این مقاله باعث شده است تا موانع در انتخاب درست متغیرها برطرف گردد. در این مقاله علاوه بر ارائه تئوری‌های مربوطه، در بخش شبیه‌سازی داده‌ها نیز دو موضوع بیش پراکندگی و صفرهای بیش از حد مورد توجه قرار می‌گیرد و استفاده از روش EM در براورد پارامترها منجر به افزایش دقت در نتیجه شده است. 

 در این مقاله، به معرفی خانواده توزیع‌های دومتغیره گومپرتز تعمیم‌یافته-سری توانی پرداخته می‌شود. این کلاس جدید از توزیع‌های دومتغیره شامل چندین مدل مانند توزیع دومتغیره گومپرتز تعمیم‌یافته-هندسی، پواسون، دوجمله‌ای، لگاریتمی و دوجمله‌ای منفی و توزیع دومتغیره نمایی تعمیم‌یافته است. نحوه ساختن و ویژگی‌های این کلاس از توزیع‌های دومتغیره ارائه شده و روند برآوردیابی برای پارامترهای مدل با روش‌های ماکسیمم درستنمایی و الگوریتم EM بحث می‌شود. در نهایت دو کاربرد از داده‌های واقعی برای برازش این مدل و مفید نشان دادن آن ارائه می‌شوند.

در این مقاله ابتدا به معرفی مدل‌های رگرسیون پواسون آمیخته پرداخته و در ادامه به معرفی یک مدل جدید به نام رگرسیون پواسون-بیرنبام ساندرز با هدف لحاظ کردن مسئله بیش‌پراکنش در مدل‌بندی داده‌های شمارشی پرداخته می‌شود.
از آن‌جا که توزیع بیرنبام ساندرز آمیخته‌ای از دو توزیع گاوسی وارون تعمیم‌یافته است، لذا می‌توان مدل معرفی شده دو پارامتری را تعمیمی بر مدل‌های قبلی دانست که علاوه بر داشتن یک پارامتر کمتر نسبت به مدل رگرسیون پواسون گاوسی وارون تعمیم‌یافته، دارای شکل بسته در تابع جرم احتمال حاشیه‌ای و گشتاورهای مربوطه است.

برای برآورد پارامتر‌های این مدل از الگوریتم EM استفاده و در نهایت کارایی این مدل نسبت به مدل‌های موجود با استفاده از مطالعه شبیه‌سازی شده و یک مثال واقعی نشان داده شده است.