La distribución exponencial generalizada de Weibull con muestra censurada: Estimación y aplicación en datos reales
Autores: Almongy, Hisham M.; Almetwally, Ehab M.; Alharbi, Randa; Alnagar, Dalia; Hafez, E. H.; Mohie El-Din, Marwa M.
Idioma: Inglés
Editor: Hindawi
Año: 2021
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Estimación
Distribución exponencial generalizada de Weibull
Progresiva adaptativa tipo-II
Mle
Mps
Estimación bayesiana
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 45
Citaciones: Sin citaciones
Este documento trata sobre la estimación de los parámetros de la distribución exponencial generalizada de Weibull (WGED) basada en una muestra censurada adaptativa de Tipo-II progresiva (ATIIP). Se ha determinado que la estimación de máxima verosimilitud (MLE), el espaciado máximo de productos (MPS) y la estimación bayesiana basada en métodos de Monte Carlo de cadenas de Markov (MCMC) son los mejores métodos de estimación. Se utiliza la simulación de Monte Carlo para comparar los tres métodos de estimación basados en la muestra censurada ATIIP, y también se realizó una estimación del intervalo de confianza mediante bootstrap. Analizaremos datos relacionados con la distribución de una sola fibra de carbono y datos eléctricos como casos reales para mostrar cómo funcionan los esquemas en la práctica.
Descripción
Este documento trata sobre la estimación de los parámetros de la distribución exponencial generalizada de Weibull (WGED) basada en una muestra censurada adaptativa de Tipo-II progresiva (ATIIP). Se ha determinado que la estimación de máxima verosimilitud (MLE), el espaciado máximo de productos (MPS) y la estimación bayesiana basada en métodos de Monte Carlo de cadenas de Markov (MCMC) son los mejores métodos de estimación. Se utiliza la simulación de Monte Carlo para comparar los tres métodos de estimación basados en la muestra censurada ATIIP, y también se realizó una estimación del intervalo de confianza mediante bootstrap. Analizaremos datos relacionados con la distribución de una sola fibra de carbono y datos eléctricos como casos reales para mostrar cómo funcionan los esquemas en la práctica.