چکیده: در بسیاری از مدل‌های رگرسیونی ماهیت متغیر پاسخ به‌صورت نرخ و نسبت می‌باشد. معمولا برای مدل‌بندی داده‌هایی با دامنه تغییرات (0,1) از مدل رگرسیون بتا استفاده می‌شود٬ زیرا اگر متغیر پاسخ چوله باشد٬ مدل‌های لجستیک و پروبیت مناسب نیستند. لذا به‌عنوان جایگزینی رگرسیون بتا را برای این نوع از داده‌‌ها به‌کار می‌برند. اما مدل رگرسیون بتا نسبت به نقاط پرت نیرومند نیست. پس به معرفی یک مدل جدید براساس توزیع مستطیلی بتا می‌پردازیم که نسبت به داده‌های دورافتاده تنومند است. در این پایان‌نامه پس از معرفی این توزیع و سپس مدل‌بندی آن٬ به استنباط بیزی می‌پردازیم و در استنباط بیزی از نمونه‌گیری مونت کارلوی زنجیر مارکوفی استفاده می‌کنیم. با شبیه‌سازی٬ تأثیر نقاط دورافتاده و کارایی مدل رگرسیون مستطیلی بتا را٬ بررسی کرده٬ برآورد ضرایب رگرسیون توزیع پسین پارامترها را به‌دست می‌آوریم. در آخر کاربرد مدل مستطیلی بتا را در قالب مثال کاربردی ارزیابی می‌کنیم