استنباط آماری توزیع وایبل دو پارامتری تحت سانسور فزاینده نوع دو با برداشت های تصادفی
Publish place: Journal of Statistical sciences، Vol: 16، Issue: 1
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 134
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-16-1_011
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
یکی از مهم ترین چالش ها در بحث داده های سانسور فزاینده نوع دو، تعیین طرح برداشت است. طرح برداشت می تواند ثابت باشد یا به صورت تصادفی، برطبق توزیع احتمال گسسته ای، انتخاب شود. در این مقاله ابتدا، دو توزیع توام گسسته برای برداشت های تصادفی تحت توزیع طول عمر وایبل دو پارامتری معرفی می شوند. روش های پیشنهادی مبتنی بر فواصل نرمالیده آماره های مرتب سانسور فزاینده نوع دو نمایی است. همچنین امید ریاضی زمان مورد انتظار تحت روش های پیشنهادی به دست آمده است. برآورد پارامترها بر اساس روش های ماکسیمم درستنمایی، کمترین توان های دوم و ماکسیمم حاصل ضرب فاصله ای حاصل می شوند. در ادامه، با استفاده از روش های شبیه سازی مونت کارلو، الگوهای برداشت پیشنهادی با الگوهای برداشت یکنواخت گسسته، دوجمله ای و طرح های برداشت ثابت از لحاظ اریبی، مجذور میانگین مربع خطای برآوردگرها و امید ریاضی زمان کل مورد انتظار آزمایش مقایسه می شوند. همچنین، نسبت امید ریاضی زمان مورد انتظار تحت سانسور فزاینده نوع دو نیز به، حالت بدون برداشت بررسی می شود. سرانجام، عملکرد رهیافت های پیشنهادی، در یک مجموعه داده واقعی نشان داده می شود.
Keywords:
Expected Experiment Time , Lifetime Data , Maximum Likelihood Estimation , Maximum Product Spacing Estimation , Random Removal. , برآورد ماکسیمم حاصلضرب فاصله ای , برآورد ماکسیمم درستنمایی , برداشت تصادفی , داده طول عمر , زمان مورد انتظار آزمایش.
Authors
معصومه قهرمانی
Department of Statistics, Science and Research Branch, Islamic Azad University, Tehran, Iran.
مریم شرفی
Department of Statistics, Faculty of Science, Razi University, Kermanshah, Iran.
رضا هاشمی
Department of Statistics, Faculty of Science, Razi University, Kermanshah, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :