assumption that is a drawback in pr

assumption that is a drawback in practical use when data is overdispersed. The literature
presents several reasons why data can be overdispersed and also many models to address the
variety of overdispersion found in data. In general, if the cause of overdispersion in Poisson
model is not diagnosed, the negative binomial models are commonly recommended. There
are a wide number of negative binomial models used, but for insurance data the more
intuitive ones are considered the NB1 and NB2 forms of the negative binomial distribution.

ผลลัพธ์ (ไทย) 1:

สมมติฐานที่เป็นจริงใช้เมื่อข้อมูลมี overdispersed วรรณกรรมแสดงเหตุผลหลายเหตุได้ overdispersed และยังหลายรุ่นยังอยู่ความหลากหลายของ overdispersion ที่พบในข้อมูล ในทั่วไป ถ้าสาเหตุของ overdispersion ใน Poissonแบบไม่ได้รับการวินิจฉัย แบบทวินามลบทั่วไปแนะนำ มีมีจำนวนกว้าง ของรุ่นทวินามลบใช้ แต่ สำหรับข้อมูลประกันภัยมากขึ้นคนที่ใช้งานง่ายจะถือว่าฟอร์ม NB1 และ NB2 ของการแจกแจงแบบทวินามลบ

ผลลัพธ์ (ไทย) 2:

สมมติฐานที่ว่าเป็นอุปสรรคในการใช้งานจริงเมื่อข้อมูลถูก overdispersed วรรณกรรม
นำเสนอเหตุผลหลายประการที่ข้อมูลสามารถ overdispersed และหลายรูปแบบเพื่อที่อยู่
หลากหลายของ overdispersion พบในข้อมูล โดยทั่วไปถ้าสาเหตุของ overdispersion ในปัวส์ซอง
รูปแบบไม่ได้วินิจฉัย, รุ่นทวินามลบจะแนะนำทั่วไป มี
จำนวนกว้างของรูปแบบทวินามเชิงลบที่ใช้เป็น แต่สำหรับข้อมูลประกันภัยมากขึ้น
คนที่ใช้งานง่ายมีการพิจารณาและ NB1 NB2 รูปแบบของการกระจายทวินามเชิงลบ

ผลลัพธ์ (ไทย) 3:

สมมติฐานที่เป็นข้อเสียเปรียบในการใช้งานเมื่อข้อมูลมี overdispersed . วรรณคดีแสดงเหตุผลหลายประการที่ข้อมูลสามารถ overdispersed ที่อยู่และหลายรุ่นความหลากหลายของ overdispersion พบในข้อมูล โดยทั่วไป ถ้าสาเหตุ overdispersion พารามิเตอร์แบบเป็นนิจ ลบแบบทวินามทั่วไปจะแนะนำ มีมีจำนวนกว้างของลบแบบรุ่นที่ใช้ แต่สำหรับการประกัน ข้อมูลเพิ่มเติมที่ใช้งานง่ายและถือว่าเป็น nb1 NB2 รูปแบบของการแจกแจงทวินามลบ