denoted by wik , should be proporti

denoted by wik , should be proportional to the reciprocal of Var[log(uik )],
Var[uik]. (11) for instance, wik = u2ik for k = 1,2,3,4, with uik given in (7) and i = 1,...,n. Now, the function to be minimized is
n
Awk(α, β) =  wiklog(uik) − log(1 − e−βx(i) ) + αe−βx(i) 2, (12)
i=1
k = 1,2,3,4, and we solve the normal equations as before. We denote by Rtk = ni=1 wikxt(i)e−2βwkx(i) and Stk = ni=1
w xt e−βwkx(i) log((1 − e−βwkx(i) )/u ), t = 0, 1; k = 1, 2, 3, 4, where β is the WLS estimator of the parameter β. With ik(i)  ik wk
ik
this notation, βwk satisfies the following equation:
n log((1−e−βwkx(i))/uik) S0k S0kR1k n

wikx(i) β x − −S1k+ wikx(i) β x 
(13)
e−βwkx(i) 
=0.
e wk (i) −1 R0k R0k e wk (i) −1 i=1 i=1
This equation is solved iteratively and then the WLS estimator of the shape parameter α is αwk
1, 2, 3, 4. These four WLS methods via uik and weighting factors wik , will be referred to as Methods 5 through 8, respectively.

ผลลัพธ์ (ไทย) 1:

ระบุ โดย wik ควรเป็นสัดส่วนกับส่วนกลับของ Var [บันทึก (uik)],Var [uik] (11) เช่น wik = u2ik สำหรับ k = 1,2,3,4 กับ uik ใน (7) และ = 1,..., n ตอนนี้ เป็นฟังก์ชันลดได้nภาษาออว์ค (α β) = wiklog(uik) −ล็อก (1 − e−βx(i)) + αe−βx(i) 2, (12)ฉัน = 1k = 1,2,3,4 และเราแก้สมการปกติก่อน เราแสดง โดย Rtk = ni = wikxt(i)e−2βwkx(i) และ Stk 1 = ni = 1ล็อก e−βwkx(i) w xt ((1 − e−βwkx(i)) / u), t = 0, 1 k = 1, 2, 3, 4 βอยู่ที่ประมาณ WLS ของβพารามิเตอร์ กับสัปดาห์ ik  ik (i)ikการแสดงนี้ βwk เป็นไปตามสมการต่อไปนี้:n log((1−e−βwkx(i))/uik) S0k S0kR1k nwikx(i) β x − −S1k + wikx(i) β x (13)e−βwkx(i) = 0R0k − 1 สัปดาห์ (i) e − 1 สัปดาห์ (i) อี R0k ฉัน = 1 ฉัน = 1สมการนี้สามารถแก้ไขได้ซ้ำ ๆ และประเมิน WLS ของαพารามิเตอร์รูปร่างโดย αwk1, 2, 3, 4 สี่วิธีเหล่านี้ WLS uik และน้ำหนักปัจจัย wik จะถูกเรียกว่า 5 วิธีผ่าน 8 ตามลำดับ

ผลลัพธ์ (ไทย) 2:

แสดงโดย Wik ควรจะเป็นสัดส่วนกับซึ่งกันและกันของ Var [การเข้าสู่ระบบ (UIK)]
Var [UIK] (11) เช่น Wik = u2ik สำหรับ K = 1,2,3,4 กับ UIK กำหนดใน (7) และ i = 1, ... , n ตอนนี้ฟังก์ชั่นที่จะลดลงเป็น
n
Awk (α, β) = wiklog (UIK) - เข้าสู่ระบบ (1 - e-βx (i)) + αe-βx (i) 2, (12)
i ​​= 1
K = 1,2,3,4 และเราแก้สมการปกติเหมือนก่อน เราใช้แสดงโดย RTK = ni = 1 wikxt (i) E-2βwkx (i) และ Stk = ni = 1
W XT E-βwkx (i) เข้าสู่ระบบ ((1 - e-βwkx (i)) / u ) t = 0, 1; K = 1, 2, 3, 4, ที่βเป็นประมาณการของแอลเอสβพารามิเตอร์ ด้วย IK (i)  IK WK
ik
เครื่องหมายนี้βwkตอบสนองสมการต่อไปนี้:
เข้าสู่ระบบn ((1-E-βwkx (i)) / UIK) S0K S0kR1kn

wikx (i) β X - -S1k + wikx (i) β x 
(13)
E-βwkx (i) 
. = 0
eสัปดาห์ (i) -1 R0k R0k E WK (i) -1 i = 1 i = 1
สมการนี้จะแก้ไขได้ซ้ำแล้วประมาณการของแอลเอสαพารามิเตอร์รูปร่างαwk
1, 2, 3, 4 เหล่านี้สี่วิธีแอลเอสผ่าน UIK และน้ำหนักปัจจัย Wik จะถูกเรียกว่าเป็นวิธีการที่ 5 ถึง 8 ตามลำดับ

ผลลัพธ์ (ไทย) 3:

เขียนโดยวิก ควรจะได้สัดส่วนกับส่วนกลับของ var [ log ( uik ) ]var [ uik ] ( 11 ) เช่น วิก = u2ik สำหรับ k = 1 , 2 , 3 , 4 , uik ที่ระบุใน ( 7 ) และ i = 1 , . . . . ตอนนี้ ฟังก์ชันจะถูกลดเป็นnภาษาอุซเบก ( αบีตา , ) =  Wik  log ( uik ) − log ( 1 − e −β X ( i ) ) + α E −β X ( i )  2 ( 12 )ฉัน = 1K = 1 , 2 , 3 , 4 , และเราจะแก้สมการปกติเช่นเดิม เราแสดงโดยฝนทอง =  ni = 1 wikxt ( I ) E − 2 β wkx ( ฉัน ) และชิ้น =  ni = 1W E XT −β wkx ( 1 ) บันทึก ( 1 −β wkx − e ( i ) / U , t = 0 , 1 ; k = 1 , 2 , 3 , 4 ที่เป็นแฟนβประมาณพารามิเตอร์ของบีตา . กับผม ( ฉัน )  - สัปดาห์อิกสัญกรณ์นี้ต่อตรงบีตาสมการต่อไปนี้ : n log ( ( 1 − e −β wkx ( ฉัน ) / uik ) s0k  s0kr1k  Nwikx ( I ) X + wikx −− s1k บีตา ( i ) X บีตา( 13 )E −β wkx ( ฉัน ) = 0 E WK ( ฉัน ) − 1 r0k r0k E WK ( − 1 ) = 1 = 1สมการนี้จะแก้ไขซ้ำแล้ว ประมาณเรื่องของรูปร่างααพารามิเตอร์เป็นสัปดาห์1 , 2 , 3 , 4 เหล่านี้สี่เรื่องวิธีการทาง uik น้ำหนักปัจจัยและวิก จะเรียกว่าเป็นวิธีที่ 5 ถึง 8 ตามลำดับ