چکیده: در موقعیت‌های کاربردی متعددی، در یک مدل رگرسیونی، متغیر پاسخ دو سطحی است. معمولاً برای مدل‌بندی این نوع پاسخ‌ها از مدل‌های رگرسیونی لجستیک، پرابیت و ‎Cloglog‎ استفاده می‌شود. در مواردی که متغیر پاسخ دو سطحی نامتعادل ‎(چوله)‎ است، دو مدل ‎(متقارن)‎ لجستیک و پرابیت انتخاب‌های خوبی نیستند. همچنین برای متغیر پاسخ دو سطحی نامتعادل، اگر عدم تعادل پاسخ به نفع صفر باشد، مدل چوله ‎ Cloglog‎که در مدل‌بندی چولگی پاسخ‌ها به راست موفق عمل می‌کند، کارایی خود را از دست خواهد داد. مدل رگرسیونی t- تعمیم‌یافته یک گزینه پیشنهادی در این موارد است. اما گستره مدل‌بندی چولگی موجود در داده‌ها توسط این مدل، به دلیل دامنه تغییرات کوچک پارامتر شکل خود، به شدت محدود است. ونگ و دی (2010) بر اساس توزیع مقادیر فرین تعمیم‌یافته، یک مدل جدید معرفی کردند که از انعطاف‌پذیری بالایی برخوردار است. در این پایان‌نامه، مدل مبتنی بر توزیع مقادیر فرین تعمیم‌یافته را بازگو می‌کنیم و به چگونگی برازش آن از دیدگاه بیزی می‌پردازیم. با توجه به پیچیدگی توزیع پسین مدل، از روش‌های نمونه‌گیری مونت کارلوی زنجیر مارکوفی برای تقریب آن استفاده می‌کنیم. با شبیه‌سازی، کارایی مدل رگرسیونی مقادیر فرین تعمیم‌یافته را بررسی کرده و کاربرد این مدل را در قالب یک مثال واقعی تشریح می‌کنیم.