براوردهای پیش‌آزمون و انقباضی پارامترهای مقیاس برای دو توزیع نمایی بر اساس مقادیر رکورد

نویسندگان

چکیده مقاله:

چکیده: توزیع نمایی در شیوه‌های آماری بسیار متنوعی به‌کار برده می‌شوند. در میان عمده‌‌ترین کاربردهای آن می‌توان زمینه‌ها‌ی آزمون طول عمر و نظریه‌ی قابلیت را نام برد. هنگامی که دو نمونه‌ی رکورد برای براورد کردن پارامتر مقیاس در اختیار باشد، معمولاً از یک پیش‌آزمون برای تعیین این که آیا نمونه‌ها را ادغام کنیم یا نمونه‌ی تکی به‌کار بریم، استفاده می‌شود. در این مقاله، براوردگر پیش‌آزمون و براوردگر انقباضی مورد مطالعه قرار می‌گیرند. سطح معناداری بهینه برای براورد پیش‌آزمون و مقادیر ضرایب انقباضی بهینه بر اساس معیار مینیماکس تأسف تحت تابع زیان توان دوم خطای وزن‌دار به‌دست آورده می‌شوند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

برآوردگر انقباضی بیزی برای پارامتر مقیاس توزیع نمایی بر اساس داده های سانسور شده

معمولا با مشاهده یک نمونه تصادفی و با استفاده از روش‌های معمول برآوردیابی مانند روش ماکسیمم درستنمایی به برآورد پارامتر نامعلوم می‌پردازند. در بعضی مواقع اطلاعاتی در مورد پارامتر واقعی به‌صورت یک حدس در اختیار داریم. در چنین حالت‌هایی می‌توان برآوردگر ماکسیمم درستنمایی یا هر برآوردگر دیگری را در جهت مقدار حدسی منقبض کرد و برآوردگرهای انقباضی را ساخت. در این مقاله، به مطالعه رفتار یک برآوردگر ان...

متن کامل

برآوردهای پیش آزمون و انقباضی برای پارامترهای توزیع نمایی براساس مقادیر رکورد

وقتی با آزمایش های دنباله ای سر و کار داریم، گاهی اوقات مواردی که مقادیر آن ها از مشاهدات ما قبل خود بزگتر یا کوچکتر هستند مورد توجه قرار می گیرند که به مقادیر رکورد معروفند. در برخی موارد محقق حدس اولیه ای در مورد پارامتر مورد بررسی دارد که این حدس ممکن است با استفاده از آزمایش یا موارد مشابه به دست آمده باشد که در برآورد پیش آزمون از این حدس اولیه استفاده میشود. علاوه بر این با ترکیب اطلاعات ...

15 صفحه اول

برآوردگر انقباضی بیزی برای پارامتر مقیاس توزیع نمایی بر اساس داده های سانسور شده

معمولا با مشاهده یک نمونه تصادفی و با استفاده از روش های معمول برآوردیابی مانند روش ماکسیمم درستنمایی به برآورد پارامتر نامعلوم می پردازند. در بعضی مواقع اطلاعاتی در مورد پارامتر واقعی به صورت یک حدس در اختیار داریم. در چنین حالت هایی می توان برآوردگر ماکسیمم درستنمایی یا هر برآوردگر دیگری را در جهت مقدار حدسی منقبض کرد و برآوردگرهای انقباضی را ساخت. در این مقاله، به مطالعه رفتار یک برآوردگر ان...

متن کامل

مشخص سازی توزیع ها بر اساس اندازه اطلاع کولبک-لیبلر آماره های ترتیبی و مقادیر رکورد

در این مقاله با استفاده از اطلاع کولبک-لیبلر آماره های ترتیبی و مقادیر رکورد به مشخص سازی توزیع ها پراداخته می شود. سپس مشخص سازی ها بر پایه اطلاع کولبک-لیبلر و اطلاع شانون برای آماره های ترتیبی و آماره های رکورد بدست آورده می شود.

متن کامل

براورد انقباضی پارامتر مقیاس توزیع نمایی تحت تابع زیان لاینکس

در آزمون های طول عمر، توزیعی که غالباً مورد استفاده قرار می گیرد توزیع نمایی با تابع چگالی زیر است. هدف به دست آوردن یک برآوردگر مطلوب برای پارامتر مقیاس به عنوان میانگین طول عمر تحت توابع زیان متقارن (مربع خطا) و نامتقارن (linex) تحت داده های سانسور شده نوع ii می باشد. فرض کنید یک نمونه تصادفی از توزیع نمایی باشد. به طوریکه: آماره های مرتب شده فوق باشند یک برآوردگر پارامتر مقیاس با م...

15 صفحه اول

مقایسه برآوردگر انقباضی، بیزی و درستنمایی ماکزیمم برای پارامتر مقیاس توزیع نمایی تحت تابع زیان نامتقارن

در این پایان نامه برآورد پارامتر مقیاس توزیع نمایی تحت تابع زیان متقارن مربع خطا و تابع زیان نامتقارن لاینکس مورد بررسی قرار می گیرد. در ادامه ضمن ارائه روش های برآوردگر بیز، برآوردگر انقباضی و برآوردگر درستنمایی ماکزیمم اقدام به برآورد پارامتر مقیاس توزیع نمایی تحت تابع زیان مربع خطا و همچنین تابع زیان لاینکس خواهد شد، که هدف اصلی این پایان نامه می باشد. در پایان روش های برآوردگر برای پارامتر،...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 13  شماره 1

صفحات  43- 58

تاریخ انتشار 2016-09

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023