مقارنة طرائق تقدير معلمات توزيع كاما ذي المعلمتين في حالة البيانات المفقودة باستخدام المحاكاة
DOI:
https://doi.org/10.33095/jeas.v14i51.1409الكلمات المفتاحية:
مقارنة طرائق تقدير معلمات توزيع كاما ذي المعلمتين في حالة البيانات المفقودة باستخدام المحاكاةالملخص
المستخلص
تم في هذا البحث تقدير معلمات توزيع كاما ذي المعلمتين في حالة البيانات المفقودة وذلك باستخدام اثنين من الطرائق المهمة وهما:
طريقة الامكان الأعظم (Maximum Likelihood Method) والتي تضمنت ثلاث طرائق لحل معادلات الإمكان غير الخطية التي يتم الحصول من خلالها على ثلاث مقدرات للإمكان الأعظم وهي:
طريقة نيوتن- رافسن وطريقتين تم تطويرهما في هذا البحث لتلائم حالة البيانات المفقودة وهما تطوير طريقة (Thom) وتطوير طريقة (Sinha)، فضلاً عن تطوير طريقة أخرى تعتمد على توزيع كاما ذي المعلمات الثلاث في إيجاد مقدرات الإمكان الأعظم وهي تطوير طريقة
(Bowman, Shenton and Lam) وطريقة التقلص (Shrinkage Method). وتم إجراء مقارنة بين أفضلية هذه الطرائق في الجانب التجريبي من خلال أسلوب المحاكاة باستخدام طريقة مونت كارلو (Monte Carlo) وإجراء عدة تجارب مستخدمين المقياس الإحصائي متوسط مربعات الخطأ (MSE) لغرض الحصول على افضل طريقة تقدير.
التنزيلات
منشور
إصدار
القسم
الرخصة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Articles submitted to the journal should not have been published before in their current or substantially similar form or be under consideration for publication with another journal. Please see JEAS originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred Harvard style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Turtitin software for checking the originality of submissions received.
