is compared with the correspondingt

is compared with the corresponding
theoretical cumulative distribution function (CDF) given the sample of survival days. We
choose a probability distribution for which the EDF and CDF are the closest. By making
use of Mathematica v7.0 software (Wolfram Research [24]), or any advanced symbolic
computation package, one can calculate the mean squared and absolute differences
between the EDF and CDF, and select the model of best fit by visual inspection. The
question may arise as to whether the selection of the probability model providing the best
fit will be dependent on a given difference measure. Accordingly, two measures of
discrepancy are being used to determine the best fit model. The mean squared
differences i.e., ∑ ( ( ) ( ))

, and the absolute mean differences
i.e.,∑ | (
) (
)|

are considered, where isthe empirical distribution function, G
is the functional representation of the cumulativedistribution function, and n is the
observed sample size. Thus, it is obtained that the half-normal model best fits the data
considering the lowest differences (mean squared differences= 0.0010135; absolute
mean differences = 0.021602). The gamma model has the next lowest differences (mean
squared differences = 0.0015963; absolute mean differences = 0.0352381).The
exponential model has the highest differences (mean squared differences =
0.0094878;absolute mean differences = 0.086806). Furthermore, to confirm the best
model half-normal, the calculated Anderson-Darling Test Statistics is obtained as 0.4964
with its corresponding p-value = 0.7834. Eqn. (2) is used to the data, and the predictive
moments of a single future response are estimated with respect to some values of the
hyperparameters. The results of95% HPD intervals with respect to certain combination of
the hyperparameters are reported in Table 5.

ผลลัพธ์ (ไทย) 2:

เมื่อเทียบกับที่สอดคล้องกันทางทฤษฎีฟังก์ชั่นการแจกแจงสะสม (CDF) ได้รับตัวอย่างของวันอยู่รอด
เราเลือกกระจายความน่าจะเป็นเวลาที่ EDF และ CDF เป็นที่ใกล้เคียงที่สุด
โดยการใช้ซอฟต์แวร์ Mathematica v7.0 (วุลแฟรมวิจัย [24]) หรือสัญลักษณ์ใด ๆ ขั้นสูงแพคเกจการคำนวณหนึ่งสามารถคำนวณค่าเฉลี่ยกำลังสองแน่นอนและความแตกต่างระหว่างEDF และ CDF และเลือกรูปแบบของแบบที่ดีที่สุดโดยการตรวจสอบภาพ คำถามที่อาจจะเกิดขึ้นเป็นไปได้ว่าการเลือกรูปแบบความน่าจะเป็นที่ที่ดีที่สุดให้พอดีจะขึ้นอยู่กับการวัดความแตกต่างที่กำหนด ดังนั้นสองมาตรการของความขัดแย้งที่มีการใช้ในการกำหนดรูปแบบที่ดีที่สุดพอดี ค่าเฉลี่ย squared ความแตกต่างคือ, Σ (() ()) และความแตกต่างของค่าเฉลี่ยที่แน่นอนเช่น, Σ | () () | ได้รับการพิจารณาที่ isthe ฟังก์ชั่นการกระจายเชิงประจักษ์ G คือการแสดงการทำงานของฟังก์ชั่น cumulativedistribution และ n คือขนาดของกลุ่มตัวอย่างที่สังเกต ดังนั้นจึงได้ว่ารูปแบบครึ่งปกติดีที่สุดเหมาะกับข้อมูลพิจารณาความแตกต่างที่ต่ำที่สุด (หมายถึงความแตกต่างของกำลังสอง = 0.0010135; แน่นอนความแตกต่างของค่าเฉลี่ย= 0.021602) รูปแบบที่มีความแตกต่างแกมมาต่ำสุดถัดไป (หมายถึงความแตกต่างของกำลังสอง= 0.0015963; เฉลี่ยความแตกต่างแน่นอน = 0.0352381) ได้โดยง่ายรูปแบบการชี้แจงมีความแตกต่างมากที่สุด(หมายถึงความแตกต่างของกำลังสอง = 0.0094878; เฉลี่ยความแตกต่างแน่นอน = 0.086806) นอกจากนี้เพื่อยืนยันที่ดีที่สุดรูปแบบครึ่งปกติคำนวณ-เดอร์สันที่รักการทดสอบสถิติได้เป็น 0.4964 สอดคล้องกับ p-value = 0.7834 ของ สม (2) มีการใช้ข้อมูลและการคาดการณ์ในช่วงเวลาของการตอบสนองในอนาคตอยู่ที่ประมาณเดียวที่เกี่ยวกับค่าบางส่วนของhyperparameters ผล of95% ช่วง HPD เกี่ยวกับการรวมกันบางhyperparameters จะมีการรายงานในตารางที่ 5

ผลลัพธ์ (ไทย) 3:

เปรียบเทียบกับที่สอดคล้องกัน
ทฤษฎีฟังก์ชันการแจกแจงสะสม ( CDF ) ได้รับตัวอย่างของวันในการอยู่รอด เรา
เลือกการแจกแจงความน่าจะเป็นที่ EDF CDF และอยู่ใกล้ที่สุด โดยการใช้ซอฟต์แวร์ v7.0
Mathematica ( Wolfram วิจัย [ 24 ] ) หรือสัญลักษณ์
การคำนวณขั้นสูงแพคเกจหนึ่งสามารถคำนวณค่าเฉลี่ยยกกำลังสองและ
ความแตกต่างสัมบูรณ์ระหว่าง EDF CDF และ ,และเลือกรูปแบบเหมาะสม โดยการตรวจสอบภาพ
คำถามอาจจะเกิดขึ้นเป็นไปได้ว่าเลือกของความน่าจะเป็นแบบการให้ที่ดีที่สุด
พอดีจะขึ้นอยู่กับความแตกต่างให้วัด ตาม สองมาตรการ
ความแตกต่างจะถูกใช้เพื่อตรวจสอบที่ดีที่สุดให้พอดีกับรูปแบบ ค่าเฉลี่ยยกกำลังสอง
ความแตกต่างเช่น ∑ ( ) ( ) )

และแน่นอนหมายถึงความแตกต่าง
I , ∑ | (
) (

) |
ถือว่าที่เป็นเชิงประจักษ์การกระจายฟังก์ชัน g
คือการแสดงการทำงานของฟังก์ชัน cumulativedistribution และ N คือ
สังเกตขนาดตัวอย่าง ดังนั้นจะได้ว่า ครึ่งหนึ่งของปกติ แบบเหมาะกับข้อมูล
พิจารณาความแตกต่างถูกที่สุด ( หมายถึงความแตกต่างยกกำลังสอง = 0.0010135 ; แน่นอน
หมายถึงความแตกต่าง = 0.021602 )แกมมาแบบได้อีกค่าความแตกต่าง ( หมายถึง
ยกกำลังสองความแตกต่าง = 0.0015963 ; แน่นอนหมายถึงความแตกต่าง = 0.0352381 )
สมการ exponential มีความแตกต่างสูงสุด ( ค่าเฉลี่ยความแตกต่าง =
0.0094878 ; กำลังสองสัมบูรณ์เฉลี่ยความแตกต่าง = 0.086806 ) นอกจากนี้ ยืนยันว่ารุ่นที่ดีที่สุด
ครึ่งปกติ ค่าทดสอบสถิติแอนเดอร์สันที่รักได้เป็น 0.4964
with แบบ p-value = 0.7834 . eqn . ( 2 ) ใช้ข้อมูล และช่วงเวลาของการตอบสนองอนาคตทำนาย
เดียวประมาณด้วยความเคารพบางค่า
hyperparameters . ผล of95 % ตำรวจช่วงที่มีการรวมกันบางอย่างของ
hyperparameters จะมีการรายงานในตารางที่ 5