KaydedilenlerDerginizi ekleyin

Dergiler / Adıyaman Üniversitesi Fen Bilimleri Dergisi / 2020 / Cilt: 10 Sayı: 2

Xgamma Weibull Dağılımının Parametre Tahmini

Estimating the Parameters of Xgamma Weibull Distribution

Kadir Karakaya(SELÇUK ÜNİVERSİTESİ, FEN FAKÜLTESİ)0000-0002-0781-3587
Caner Tanış(SELÇUK ÜNİVERSİTESİ, FEN FAKÜLTESİ)0000-0003-0090-1661
Sayfa
557–571
Yayın Tarihi
2020-12-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ayrıca yedi gerçek veri uygulaması yapılmış ve tüm tahmin ediciler için Kolmogorov Smirnov uyum iyiliği testi hesaplanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Xgamma Weibull dağılımının parametre tahmini için tahmin yöntemlerinin kıyaslanması problemi ele alınmıştır.
📊
Temel Bulgular & Veri:En çok olabilirlik yöntemi, en küçük kareler yöntemi, ağırlıklandırılmış en küçük kareler yöntemi, Anderson-Darling yöntemi ve Crámer–von-Mises yöntemi olmak üzere beş tahmin yöntemi incelenmiştir.
💡
Sonuç & Katkı:Ayrıca yedi gerçek veri uygulaması yapılmış ve tüm tahmin ediciler için Kolmogorov Smirnov uyum iyiliği testi hesaplanmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Xgamma Weibull distribution · Maximum likelihood method · Least-squares method

Özet

Bu çalışmada, Xgamma Weibull dağılımının parametre tahmini için tahmin yöntemlerinin kıyaslanması problemi ele alınmıştır. En çok olabilirlik yöntemi, en küçük kareler yöntemi, ağırlıklandırılmış en küçük kareler yöntemi, Anderson-Darling yöntemi ve Crámer–von-Mises yöntemi olmak üzere beş tahmin yöntemi incelenmiştir. Bu beş tahmin yöntemini yan ve hata kareler ortalaması açısından karşılaştırabilmek için bir Monte Carlo simülasyon çalışması yapılmıştır. Ayrıca yedi gerçek veri uygulaması yapılmış ve tüm tahmin ediciler için Kolmogorov Smirnov uyum iyiliği testi hesaplanmıştır.

Abstract

In this paper, we consider a comparison of estimation methods for the parameters of Xgamma Weibull distribution. It is discussed five different estimation methods such as maximum likelihood method, least-squares method, weighted least-squares method, the method of Anderson-Darling and the method of Crámer–von-Mises. We compare these estimators via Monte Carlo simulations according to the biases and mean-squared errors (MSEs). Further, seven real data applications are conducted and Kolmogorov Smirnov goodness of fit test is also calculated for all estimators.

🔖

Bu Makaleye Atıf Yap

Karakaya, K., Tanış, C. (2020). Xgamma Weibull Dağılımının Parametre Tahmini. Adıyaman Üniversitesi Fen Bilimleri Dergisi, Cilt: 10 Sayı: 2, 557–571. https://doi.org/10.37094/adyujsci.781069

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (18)

  1. Yousof, H.M., Korkmaz, M.Ç., Sen, S., A new two-parameter lifetime model, Annals of Data Science, 2020, DOI: 10.1007/s40745-019-00203-w.
  2. Gupta, R.D., Kundu, D., Generalized exponential distribution: different method of estimations, Journal of Statistical Computation and Simulation, 69(4), 315-337, 2001.
  3. Kundu, D., Raqab, M.Z., Generalized Rayleigh distribution: different methods of estimations, Computational statistics & data analysis, 49(1), 187-200, 2005.
  4. Asgharzadeh, A., Rezaie, R., Abdi, M., Comparisons of methods of estimation for the half-logistic distribution, Selçuk Journal of Applied Mathematics, 93-108, 2011.
  5. Mazucheli, J., Louzada F., Ghitany M.E., Comparison of estimation methods for the parameters of the weighted Lindley distribution, Applied Mathematics and Computation, 220, 463-471, 2013.
  6. Dey, S., Dey, T., Kundu, D., Two-parameter Rayleigh distribution: different methods of estimation, American Journal of Mathematical and Management Sciences, 33(1), 55-74, 2014.
  7. Peng, X., Yan, Z., Estimation and application for a new extended Weibull distribution, Reliability Engineering & System Safety, 121, 34-42, 2014.
  8. Nassar, M., Afify, A.Z., Dey, S., Kumar, D., A new extension of Weibull distribution: properties and different methods of estimation, Journal of Computational and Applied Mathematics, 336, 439-457, 2018.
  9. Taniş, C., Saracoglu, B., Comparisons of six different estimation methods for log- kumaraswamy distribution, Thermal Science, 23, 1839-1847, 2019.
  10. Afify, A.Z., Nassar, M., Cordeiro, G. M., Kumar, D., The Weibull Marshall–Olkin Lindley distribution: properties and estimation, Journal of Taibah University for Science, 14(1), 192-204, 2020.
  11. Feigl, P., Zelen, M., Estimation of exponential survival probabilities with concomitant information, Biometrics 21, 826–38, 1965.
  12. Nichols, M.D., Padgett, W.J., A bootstrap control chart for Weibull percentiles, Quality and Reliability Engineering International, 22, 141-151, 2006.
  13. Lawless, J.F., Statistical models and methods for lifetime data, Wiley, New York, 2003.
  14. Bjerkedal, T., Acquisition of resistance in Guinea Piesinfected with different doses of Virulent Tubercle Bacill, American Journal of Hygiene, 72, 130-148, 1960.
  15. Lee, E.T., Statistical methods for survival data analysis, John Wiley, New York, 1992. [16] Xu, K., Xie, M., Tang, L.C., Ho, S.L., Application of neural networks in forecasting engine systems reliability, Applied Soft Computing, 2(4), 255-268, 2003.
  16. Xu, K., Xie, M., Tang, L.C., Ho, S.L., Application of neural networks in forecasting engine systems reliability, Applied Soft Computing, 2(4), 255-268, 2003.
  17. Crowder, M.J., Kimber, A.C., Smith, R.L., Sweeting, T.J. The statistical analysis of reliability data, Chapman and Hall, London, 1991.
  18. Bjerkedal, T., Acquisition of resistance in Guinea Piesinfected with different doses of Virulent Tubercle Bacill, American Journal of Hygiene, 72, 130-148, 1960.