that they have a similar performanc

that they have a similar performance when using x and x2. However,Fr(t),Fd(t) andFdm(t) are less efficient whenx2is used at the estimation stage. Similar conclusions can be derived from the exponential populations, i.e., proposedestimators have a similar performance under different scenarios and they generally are the most efficient estimators.Model (3) does not hold for the exponential populations and alternative estimators are less efficient in this situation.From Table 2 we also observe that the gain in efficiency of the proposed estimators over alternative estimatorsdepends on α. For this reason, we also considered a global measure of performance of the estimators across variousquantiles. Following [18], we calculated the average root mean square error (AVRMSE), where

ผลลัพธ์ (ไทย) 1:

ว่า พวกเขามีประสิทธิภาพการทำงานคล้ายกันเมื่อใช้ x และ x2 อย่างไรก็ตาม Fr(t), Fd(t) และ Fdm(t) จะใช้ในขั้นของการประเมินมีประสิทธิภาพน้อย whenx2is ข้อสรุปที่คล้ายกันที่ได้มาจากประชากรเนน เช่น proposedestimators มีประสิทธิภาพการทำงานคล้ายกันภายใต้สถานการณ์ที่แตกต่างกัน และโดยทั่วไปมี estimators มีประสิทธิภาพสูงสุด รุ่น (3) ไม่มีสำหรับประชากรเนน และ estimators อื่นจะมีประสิทธิภาพน้อยในสถานการณ์นี้ จากตารางที่ 2 เรายังสังเกตพบว่า กำไรในประสิทธิภาพของ estimators เสนอผ่าน estimatorsdepends อื่นบนα ด้วยเหตุนี้ เราได้พิจารณาการวัดประสิทธิภาพของ estimators ที่ทั่วโลกผ่าน variousquantiles ต่อไปนี้ [18], เราคำนวณผิดพลาดเฉลี่ยรากหมายถึงสแควร์ (AVRMSE), ที่

ผลลัพธ์ (ไทย) 2:

ว่าพวกเขามีประสิทธิภาพการทำงานที่คล้ายกันเมื่อใช้ X และ X2 อย่างไรก็ตาม? Fr (T) ,? Fd (T) และ? Fdm (T) ที่มีประสิทธิภาพน้อย whenx2is ใช้ในขั้นตอนการประเมิน ข้อสรุปที่คล้ายกันสามารถมาจากประชากรที่ชี้แจงคือ proposedestimators มีประสิทธิภาพการทำงานที่คล้ายกันภายใต้สถานการณ์ที่แตกต่างกันและพวกเขาโดยทั่วไปจะมีประสิทธิภาพมากที่สุด estimators.Model (3) ไม่ถือสำหรับประชากรชี้แจงและประมาณค่าทางเลือกที่มีประสิทธิภาพน้อยในสถานการณ์เช่นนี้ จากตารางที่ 2 เรายังสังเกตได้ว่ากำไรในประสิทธิภาพของการประมาณค่าที่นำเสนอทางเลือกที่มากกว่า estimatorsdepends บนα ด้วยเหตุนี้เรายังถือว่าเป็นมาตรการระดับโลกของประสิทธิภาพของตัวประมาณทั่ว variousquantiles ต่อไปนี้ [18] เราคำนวณรากเฉลี่ยหมายถึงตารางข้อผิดพลาด (AVRMSE) ซึ่ง

ผลลัพธ์ (ไทย) 3:

ที่พวกเขามีการแสดงที่คล้ายกันเมื่อใช้ X และ X2 . อย่างไรก็ตาม , FR ( T ) , FD ( T ) ( T ) andfdm มีประสิทธิภาพน้อยกว่าที่ประมาณการ whenx2is ใช้เวที ข้อสรุปที่คล้ายกันสามารถได้มาจากแทนประชากร ได้แก่ proposedestimators มีคล้ายกันประสิทธิภาพภายใต้สถานการณ์ที่แตกต่างกันและพวกเขาโดยทั่วไปมีวิธีการที่มีประสิทธิภาพมากที่สุด รูปแบบ ( 3 ) ไม่ถือสำหรับประชากรประมาณเอกซ์โพเนนเชียล และเป็นทางเลือกที่มีประสิทธิภาพน้อยกว่าในสถานการณ์นี้ จากตารางที่ 2 เรายังสังเกตว่า เพิ่มประสิทธิภาพในการนำเสนอประมาณกว่า estimatorsdepends ทางเลือกในα . สำหรับเหตุผลนี้ เรายังถือว่าเป็นมาตรการระดับโลกของประสิทธิภาพของตัวประมาณทั่ว variousquantiles . ต่อไปนี้ [ 18 ] เราคำนวณรากของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( avrmse ) ที่