abstractThe scientific literature h

abstract
The scientific literature has addressed widely the theoretical and applied framework based on probability weighted moments (PWMs).
PWMs generalize the concept of conventional moments of a probability function. These methods are commonly applied for modeling extremes of natural phenomena.
Wepropose and examine empirical likelihood (EL) inference methods for PWMs.
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:

บทคัดย่อวรรณกรรมทางวิทยาศาสตร์ได้ส่งกันอย่างแพร่หลายทฤษฎี และใช้กรอบตามช่วงเวลาถ่วงน้ำหนักน่าเป็น (PWMs) PWMs ทั่วไปแนวคิดของช่วงเวลาทั่วไปของฟังก์ชันความน่าเป็น วิธีการเหล่านี้มีใช้ทั่วไปสำหรับการสร้างแบบจำลองของปรากฏการณ์ทางธรรมชาติWepropose และตรวจสอบวิธีการอนุมานความเป็นไปได้เชิงประจักษ์ (EL) สำหรับ PWMs 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:

นามธรรม
วรรณกรรมทางวิทยาศาสตร์ได้ที่กันอย่างแพร่หลายกรอบทฤษฎีและการประยุกต์ใช้ขึ้นอยู่กับช่วงเวลาที่น่าจะหนัก (PWMs).
PWMs คุยแนวคิดของช่วงเวลาการชุมนุมของฟังก์ชั่นความน่าจะเป็นที่ วิธีการเหล่านี้ถูกนำมาใช้กันทั่วไปสำหรับสุดขั้วการสร้างแบบจำลองของปรากฏการณ์ธรรมชาติ.
Wepropose และตรวจสอบความน่าจะเป็นเชิงประจักษ์ (EL) วิธีการอนุมานสำหรับ PWMs.
วิธีการนี้จะขยายเทคนิค EL คลาสสิกสำหรับการประเมินช่วงเวลาปกติรวมทั้งค่าเฉลี่ยประชากร.
เราให้เป็นเรื่อง asymptotic, ขยาย ที่รู้จักกันดีรุ่นอิงพารามิเตอร์ของวิลก์สทฤษฎีบทใช้ในการประเมินอัตราความผิดพลาดประเภทของการทดสอบอัตราส่วน EL.
ผลที่ได้นี้ถูกนำไปใช้เพื่อพัฒนาอิงพารามิเตอร์ทดสอบอัตราส่วน EL ที่มีประสิทธิภาพและการประมาณค่าการกระจายฟรีที่สอดคล้องกันช่วงความเชื่อมั่น (CI) ของ PWMs .
เราแสดงให้เห็นว่าวิธีที่นำเสนอสามารถใช้ง่ายต่อการอนุมานของดัชนี Gini วัดใช้กันอย่างแพร่หลายสำหรับการประเมินความไม่เท่าเทียมกันกระจาย.
กว้างขวาง Monte Carlo (MC) การศึกษาแสดงให้เห็นว่าเทคนิคที่นำเสนอให้อัตราความผิดพลาดมีการควบคุม Type I, เช่นเดียวกับการประมาณค่า CI ถูกต้องมากที่มีประสิทธิภาพดีกว่าการประมาณค่า CI ขึ้นอยู่กับรูปแบบคลาสสิกในการวิเคราะห์ PWMs ได้.
ผลลัพธ์เหล่านี้จะสังเกตเห็นได้อย่างชัดเจนในกรณีที่ข้อมูลพื้นฐานมีความเบ้และ / หรือประกอบด้วยจำนวนที่ค่อนข้างเล็กของจุดข้อมูล.
ตัวอย่างเช่นข้อมูลที่แท้จริงของการเกิดโรคกล้ามเนื้อหัวใจตายจะใช้ในการแสดงให้เห็นถึงการบังคับใช้ของวิธีการที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อวรรณกรรมวิทยาศาสตร์ได้ให้ความสนใจอย่างกว้างขวาง กรอบทฤษฎีตามความน่าจะเป็นหรือช่วงเวลาและประยุกต์ ( pwms )pwms อนุมานแนวคิดของช่วงเวลาปกติของฟังก์ชันความน่าจะเป็น . วิธีการเหล่านี้จะใช้บ่อยแบบสุดขั้วของปรากฏการณ์ทางธรรมชาติwepropose และศึกษาความเป็นไปได้เชิงประจักษ์ ( EL ) วิธีการอนุมานสำหรับ pwms .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