This approach extends the classical

This approach extends the classical EL technique for evaluating usual moments, including the population mean.
We provide an asymptotic proposition, extending a well-known nonparametric version of Wilks theorem used to evaluate the Type I error rates of EL ratio tests.
This result is applied in order to develop a powerful nonparametric EL ratio test and the corresponding distribution-free confidence interval (CI) estimation of the PWMs.
We show that the proposed method can be easily applied towards inference of the Gini index, a widely used measure for assessing distributional inequality.
An extensive Monte Carlo (MC) study shows that the proposed technique provides a well-controlled Type I error rate, as well as very accurate CI estimation, that outperforms the CI estimation based on the classical schemes to analyze the PWMs.
These results are clearly observed in the cases when underlying data are skewed and/or consist of a relatively small number of data points.
A real data example of myocardial infarction disease is used to illustrate the applicability of the proposed method.

ผลลัพธ์ (ไทย) 1:

วิธีการนี้ขยายเทคนิค EL คลาสสิกสำหรับการประเมินช่วงเวลาปกติ รวมถึงค่าเฉลี่ยประชากร เราให้ข้อเสนอ asymptotic ขยายรุ่น nonparametric รู้จัก Wilks ทฤษฎีบทที่ใช้ในการประเมินชนิดผมอัตราข้อผิดพลาดของการทดสอบอัตราส่วนเอ ผลลัพธ์นี้จะใช้เพื่อพัฒนาประสิทธิภาพ nonparametric EL อัตราทดสอบและ PWMs การประมาณช่วงความเชื่อมั่นในการแจกจ่ายฟรี (CI) ที่สอดคล้องกัน เราแสดงว่า วิธีการนำเสนอจะสามารถใช้ได้อย่างง่ายดายต่อการอ้างอิงดัชนี Gini ตัวชี้วัดที่ใช้กันแพร่หลายสำหรับการประเมินความไม่เท่าเทียมกันมาก การครอบมอนติคาร์โล (MC) ศึกษาแสดงให้เห็นว่า เทคนิคการนำเสนอให้การมีการควบคุมประเภทอัตราข้อผิดพลาด เช่นเดียวกับประเมิน CI ถูกต้องมาก ที่มีประสิทธิภาพสูงกว่าการประเมิน CI ที่อิงรูปแบบคลาสสิกเพื่อวิเคราะห์การ PWMs ผลลัพธ์เหล่านี้มีปฏิบัติอย่างชัดเจนในกรณีเมื่อข้อมูลต้นบิดเบือน หรือประกอบด้วยจำนวนของจุดข้อมูลค่อนข้างเล็ก ตัวอย่างข้อมูลที่แท้จริงของโรคกล้ามเนื้อหัวใจตายถูกใช้เพื่อแสดงให้เห็นถึงความเกี่ยวข้องของวิธีการนำเสนอ

ผลลัพธ์ (ไทย) 2:

วิธีการนี้จะขยายเทคนิค EL คลาสสิกสำหรับการประเมินช่วงเวลาปกติรวมทั้งค่าเฉลี่ยประชากร.
เราให้เป็นเรื่อง asymptotic ขยายที่รู้จักกันดีรุ่นอิงพารามิเตอร์ของวิลก์สทฤษฎีบทใช้ในการประเมินอัตราความผิดพลาดประเภทของการทดสอบอัตราส่วน EL.
ผลที่ได้นี้จะนำไปใช้ เพื่อที่จะพัฒนาอิงพารามิเตอร์ทดสอบอัตราส่วน EL ที่มีประสิทธิภาพและการกระจายฟรีช่วงความเชื่อมั่น (CI) การประมาณค่าที่สอดคล้องกันของ PWMs ได้.
เราแสดงให้เห็นว่าวิธีที่นำเสนอสามารถใช้ง่ายต่อการอนุมานของดัชนี Gini วัดใช้กันอย่างแพร่หลายสำหรับการประเมินการกระจาย ความไม่เท่าเทียมกัน.
Monte Carlo (MC) ศึกษาอย่างกว้างขวางแสดงให้เห็นว่าเทคนิคที่นำเสนอให้เป็นอัตราเดียวกับที่มีการควบคุม Type I ข้อผิดพลาดเช่นเดียวกับการประมาณค่า CI ถูกต้องมากที่มีประสิทธิภาพดีกว่าการประมาณค่า CI ขึ้นอยู่กับรูปแบบคลาสสิกในการวิเคราะห์ PWMs ได้.
ผลลัพธ์เหล่านี้ จะสังเกตเห็นได้อย่างชัดเจนในกรณีที่ข้อมูลพื้นฐานมีความเบ้และ / หรือประกอบด้วยจำนวนที่ค่อนข้างเล็กของจุดข้อมูล.
ตัวอย่างข้อมูลที่แท้จริงของการเกิดโรคกล้ามเนื้อหัวใจตายจะใช้ในการแสดงให้เห็นถึงการบังคับใช้ของวิธีการที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

แนวคิดนี้ขยายคลาสสิก El เทคนิคการประเมินช่วงเวลาปกติ รวมถึงประชากรหมายถึงเราให้ข้อเสนอแหล่งขยายรุ่น 3 ที่รู้จักกันดีของวิล ทฤษฎีบทใช้ประเมินอัตราความคลาดเคลื่อนประเภทที่ 1 ของการทดสอบที่ อัตราส่วนผลที่ได้นี้ไปใช้เพื่อพัฒนาประสิทธิภาพและการทดสอบอัตราส่วนตัวเอลที่แจกฟรี ( CI ) การประมาณค่าช่วงความเชื่อมั่นของ pwms .เราแสดงให้เห็นว่าวิธีนี้สามารถใช้ง่ายต่อการอนุมานของดัชนี Gini , ใช้กันอย่างแพร่หลายในการวัดประเมินความสุ่ม .กว้างขวาง มอนติ คาร์โล ( MC ) การศึกษาพบว่าเทคนิคที่นำเสนอให้ควบคุมอัตราความคลาดเคลื่อนประเภทที่ 1 ได้ดี รวมทั้งการประมาณค่า CI ถูกต้องมาก ว่ามีประสิทธิภาพดีกว่า และการประเมินตามรูปแบบคลาสสิกวิเคราะห์ pwms .ผลลัพธ์เหล่านี้จะสังเกตได้อย่างชัดเจนในกรณีเมื่อข้อมูลพื้นฐานเป็นเบ้ และ / หรือ ประกอบด้วยจำนวนที่ค่อนข้างเล็กของจุดข้อมูลข้อมูลที่แท้จริง ตัวอย่างของโรคกล้ามเนื้อหัวใจขาดเลือด คือ ใช้เพื่อแสดงให้เห็นถึงการประยุกต์ใช้วิธีการที่ได้นำเสนอ