در این پایان نامه قصد داریم روشی را برای به دست آوردن ماکزیمم درستنمایی پارامترها در مدل های انتشار‎،‎ وقتیکه داده ها یک نمون? زمان گسسته از انتگرال فرآیند می باشند‎،‎ ارائه دهیم و این در حالی است که مشاهدات غیرمستقیمی از خود فرآیند موجود می باشد‎.‎ به علاوه فرض بر این است که این داده ها دارای خطاهای اندازه گیری هستند‎. ‎ داده ها می توانند بصورت مشاهدات ناقصی از یک مدل با تابع درستنمایی مستقیم مشاهده شده باشند‎.‎ بنابراین ما یک الگوریتم ماکزیمم سازی امید ریاضی ‎$ (em)$‎ شبیه سازی شده برای بدست آوردن برآورد ماکزیمم درستنمایی پارامترها در مدل انتشار ارائه می دهیم‎.‎ در یک مطالع? شبیه سازی‎ ‎ برای فرآیند ارنشتاین-آلن‎footnote{ornstein-uhlenbeck process(ou)}،‎ این روش خوب کار می کند