<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Iranian Journal of Official Statistics Studies</title>
<title_fa>مجله‌ی بررسی‌های آمار رسمی ایران</title_fa>
<short_title>مجله‌ی بررسی‌ها</short_title>
<subject>Basic Sciences</subject>
<web_url>http://ijoss.srtc.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2538-5798</journal_id_issn>
<journal_id_issn_online>2538-578x</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>7</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1387</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2008</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>19</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>براورد منحنی لورنتس و ضریب جینی به‌روش پارامتری</title_fa>
	<title>Estimation of Lorenz Curve and Gini Coefficient by Parametric Method</title>
	<subject_fa>عمومى</subject_fa>
	<subject>General</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot;&gt;&lt;strong style=&quot;line-height: 1.6em;&quot;&gt;چکیده.&lt;/strong&gt;&lt;span style=&quot;line-height: 1.6em;&quot;&gt; منحنی لورنتس یک ابزار مهم برای اندازه&#8204;گیری نابرابری درامد است، شاخص&#8204;های بسیاری بر اساس منحنی لورنتس برای اندازه&#8204;گیری میزان نابرابری تعریف می&#8204;شوند، ضریب جینی یکی از مهم&#8204;ترین این شاخص&#8204;هاست. در این مقاله ابتدا به معرفی منحنی لورنتس و ضریب جینی می&#8204;پردازیم، سپس پارامترهای توزیع&#8204;های احتمال درامد را به&#8204;روش ماکسیمم درستنمایی براورد می&#8204;کنیم. فرم&#8204;های تابعی لورنتس را به دو روش براورد کرده و بهترین فرم تابعی لورنتس را معرفی می&#8204;کنیم. در نهایت بر اساس داده&#8204;های حاصل از آمارگیری هزینه و درامد خانوار ایران در سال 1384 منحنی لورنتس و ضریب جینی را براورد می&#8204;کنیم.&lt;/span&gt;&lt;/p&gt;

&lt;p dir=&quot;RTL&quot; style=&quot;margin-right:1.0cm;&quot;&gt;&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p&gt;&lt;strong style=&quot;line-height: 1.6em;&quot;&gt;Abstract.&lt;/strong&gt;&lt;span style=&quot;line-height: 1.6em;&quot;&gt; Lorenz curve is an important tool to measure income inequality. Many indices are defined based on Lorenz curve to measure the inequality; Gini coefficient is one of them.&lt;/span&gt;&lt;/p&gt;

&lt;p&gt;In this paper, we introduce Lorenz curve and Gini coefficient and we estimate the unknown parameters of income probability distribution by the maximum likelihood method. Functional forms of the Lorenz curve are estimated via two methods and the best functional form is introduced.&lt;/p&gt;

&lt;p&gt;Finally, we estimate the Lorenz curve and the Gini coefficient based on the data of household income and expenditure survey of Iran 2005.&lt;/p&gt;

&lt;p&gt;&lt;/p&gt;
</abstract>
	<keyword_fa>براورد, کمترین توان‌های دوم, براورد ماکسیمم درستنمایی, ضریب جینی, فرم‌های تابعی, منحنی لورنتس.</keyword_fa>
	<keyword>Functional forms, Gini coefficient, Least squares estimation, Lorenz curve, Maximum likelihood estimation</keyword>
	<start_page>1</start_page>
	<end_page>14</end_page>
	<web_url>http://ijoss.srtc.ac.ir/browse.php?a_code=A-10-1-89&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Azadeh </first_name>
	<middle_name></middle_name>
	<last_name>Mojiri</last_name>
	<suffix></suffix>
	<first_name_fa>آزاده </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>مجیری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>1003194753284600217</code>
	<orcid>1003194753284600217</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>reza</first_name>
	<middle_name></middle_name>
	<last_name>Mohtashami Borzadaran</last_name>
	<suffix></suffix>
	<first_name_fa>رضا </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>محتشمی برزادران</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>gmb1334@yahoo.com</email>
	<code>1003194753284600218</code>
	<orcid>1003194753284600218</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name> Yadollah </first_name>
	<middle_name></middle_name>
	<last_name>Waghei</last_name>
	<suffix></suffix>
	<first_name_fa> یدا… </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>واقعی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>1003194753284600219</code>
	<orcid>1003194753284600219</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
