در سال های اخیر مدل سازی داده های آمیخته با استفاده از تابع مفصل توجه بسیاری از محققان را به خود جلب کرده است. این روش شامل تشخیص مدل های رگرسیونی حاشیه ای و ترکیب آن ها برای تشکیل یک توزیع توأم با استفاده از تابع مفصل می باشد. در این پایان نامه در ادامه کار لئون و وو (2011) مدل های رگرسیونی برای پاسخ های آمیخته ی گسسته و پیوسته بر اساس تابع مفصل گوسین، فرانک، کلایتون و همچنین بر اساس فرض استقلال در شرایطی گسترش یافت که متغیر پیوسته از نوع زمان باشد و در آن امکان مشاهده داده های سانسور شده وجود داشته باشد. در این روش فرض شد که توزیع های حاشیه ای مشخص هستند و از متغیر پنهان برای تبدیل حاشیه گسسته به پیوسته استفاده شد. در ادامه مدل به دست آمده برای تحلیل داده های فاصله بین تولدها در شهر اهواز مورد استفاده قرار گرفت. در این تحلیل فاصله تولد اول به عنوان متغیر پیوسته با توزیع حاشیه ای وایبل و تعداد مطلوب فرزندان از دیدگاه مادر به عنوان متغیر گسسته با توزیع متغیر پنهان نرمال در نظر گرفته شد. سپس برای انتخاب بهترین تابع مفصل برای مدل سازی داده های فاصله بین تولد، مدل های به دست آمده با استفاده از معیار آکائیک مورد مقایسه قرار گرفتند و در نهایت نتایج به دست آمده از این مدل سازی با نتایج تحقیقات مشابه مورد مقایسه قرار گرفت.