Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÇalışma sonucunda, odaklanılan nokta tahmin edicilerin etkinlikleri ise ML tahmin edicilerinin, etkinlikle beraber hesaplama zorlukları ele alındığında ise MML tahmin edicilerinin tercih edilmesi gerektiği belirlenmiştir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada, çift taraflı Tip II sansürlenmiş (doubly Type II censored) örneklemler için Jones ve Faddy’ nin çarpık t (Jones and Faddy’ s Skew t - JFST) dağılımının konum ve ölçek parametrelerinin en çok olabilirlik (maximum likelihood - ML) ve uyarlanmış en çok olabilirlik (modified maximum likelihood - MML) tahmin edicileri elde edilmiştir. Monte Carlo (MC) simülasyon çalışması kullanılarak ML ve MML tahmin edicilerinin etkinlikleri karşılaştırılmıştır. MC simülasyon çalışması, MML tahmin edicilerinin ML tahmin edicileri ile hemen hemen aynı etkinliğe sahip olduğunu göstermiştir. Çalışma sonucunda, odaklanılan nokta tahmin edicilerin etkinlikleri ise ML tahmin edicilerinin, etkinlikle beraber hesaplama zorlukları ele alındığında ise MML tahmin edicilerinin tercih edilmesi gerektiği belirlenmiştir.
Abstract
In this study, we obtain the maximum likelihood (ML) and the modified maximum likelihood (MML) estimators for the location and the scale parameters of the Jones and Faddy’s Skew t (JFST) distribution based on the doubly Type II censored samples. Then, we use the Monte Carlo (MC) simulation study to compare the efficiencies of the ML and the MML estimators. The MC simulation study shows that, MML estimators have more or less same efficiency with the corresponding ML estimators. At the end of the study, it can be concluded that if we focus on the efficiencies of the estimators, we prefer to use ML estimators. However, if we focus on the computational difficulties together with the efficiencies of the estimators, we prefer to use MML estimators.