Frechet distribution was introduced

Frechet distribution was introduced by a French
mathematician named Maurice Frechet
(1878‐1973) who had identified before one
possible limit distribution for the largest order
statistic in 1927. The Frechet distribution has been
shown to be useful for modeling and analysis of
several extreme events ranging from accelerated
life testing to earthquakes, floods, rain fall, sea
currents and wind speeds.
Applications of the Frechet distribution in
various fields given in Harlow (2002) showed that
it is an important distribution for modeling the
statistical behavior of materials properties for a
variety of engineering applications. Nadarajah and

Several methods have been proposed to
estimate the parameters using both classical and
Bayesian techniques. A method of estimation must
be chosen which minimizes sampling errors. A
method which is suitable to estimate the
parameters of one distribution might not
necessarily be as efficient for another distribution.
Moreover, a method which is efficient in
estimating the parameters may not be efficient in
predicting given by Al-Baidhani and Sinclair
(1987). Ahmed et al. (2010) have considered ML

Kotz (2008) discussed the sociological models
based on Frechet random variables. Further,
Zaharim et al. (2009) applied Frechet distribution
for analyzing the wind speed data. Mubarak (2011)
studied the Frechet progressive type-II censored
data with binomial removals.
The Frechet distribution is a special case of the
generalized extreme value distribution. This type-II
extreme value distribution (Frechet) case is
equivalent to taking the reciprocal of values from a
standard Weibull distribution. The probability
density function (PDF) and the cumulative
distribution function (CDF) for Frechet distribution
is

ผลลัพธ์ (ไทย) 1:

Frechet แจกแนะนำภาษาฝรั่งเศสนักคณิตศาสตร์ที่ชื่อมอริส Frechet(1878‐1973) ที่ได้ระบุไว้ก่อนหนึ่งกระจายวงเงินเป็นไปได้สำหรับใบสั่งที่ใหญ่ที่สุดสถิติในปี 1927 ได้รับการแจก Frechetแสดงเพื่อเป็นประโยชน์สำหรับการสร้างโมเดลและการวิเคราะห์ของเหตุการณ์รุนแรงต่าง ๆ ตั้งแต่เร่งการทดสอบการเกิดแผ่นดินไหว น้ำท่วม ฝนตก ทะเลชีวิตกระแสและความเร็วลมการใช้งานของการแจกแจง Frechet ในเขตข้อมูลต่าง ๆ ในฮาร์โลว์ (2002) พบว่าเป็นการกระจายที่สำคัญสำหรับการสร้างโมเดลการสถิติการทำงานของคุณสมบัติวัสดุสำหรับการความหลากหลายของงานวิศวกรรม Nadarajah และวิธีการต่าง ๆ ได้รับการเสนอเพื่อประมาณพารามิเตอร์ใช้ทั้งคลาสสิก และทฤษฎีเทคนิคการ วิธีการประเมินต้องเลือกซึ่งช่วยลดข้อผิดพลาดการสุ่มตัวอย่าง Aวิธีที่เหมาะในการประเมินการพารามิเตอร์ของการแจกจ่ายหนึ่งอาจไม่จำเป็นต้องมีประสิทธิภาพสำหรับการแจกจ่ายที่อื่นนอกจากนี้ วิธีที่มีประสิทธิภาพในประมาณพารามิเตอร์อาจไม่มีประสิทธิภาพในการทำนายโดยอัล Baidhani และซินแคลร์(1987) . อาเหม็ด et al. (2010) ได้พิจารณา MLKotz (2008) กล่าวถึงรูปแบบสังคมวิทยาคะแนนจากตัวแปรสุ่ม Frechet เพิ่มเติมZaharim et al. (2009) ใช้การแจกจ่าย Frechetการวิเคราะห์ข้อมูลความเร็วลม มูบารัก (2011)ศึกษา Frechet ก้าวหน้าชนิด II เซ็นเซอร์ข้อมูล ด้วยการเอาออกที่ทวินามการกระจาย Frechet เป็นกรณีพิเศษของการทั่วไปการกระจายค่าสุดขีด ประเภท-IIกรณีค่าสุดขีดการกระจาย (Frechet)เทียบเท่ากับการผกผันของค่าจากการมาตรฐานการแจกจ่ายแบบเวย์บูล ความน่าเป็นฟังก์ชันความหนาแน่น (PDF) และการสะสมฟังก์ชันการแจกแจง (CDF) สำหรับการกระจาย Frechetมี

ผลลัพธ์ (ไทย) 2:

กระจาย Frechet ถูกนำโดยฝรั่งเศส
นักคณิตศาสตร์ชื่อมอริซ Frechet
(1878-1973) ที่ระบุว่าก่อนที่จะ
กระจายการ จำกัด ที่เป็นไปได้สำหรับการสั่งซื้อที่ใหญ่ที่สุดของ
สถิติในปี 1927 การกระจาย Frechet ได้รับการ
แสดงให้เห็นว่าจะเป็นประโยชน์สำหรับการสร้างแบบจำลองและการวิเคราะห์
เหตุการณ์รุนแรงหลายตั้งแต่ จากการเร่ง
การทดสอบชีวิตที่จะเกิดแผ่นดินไหว, น้ำท่วม, ฝนตกในทะเล
กระแสและความเร็วลม.
การประยุกต์ใช้งานของการกระจาย Frechet ใน
สาขาต่างๆที่กำหนดในฮาร์โลว์ (2002) แสดงให้เห็นว่า
มันเป็นสิ่งที่มีการกระจายที่สำคัญสำหรับการสร้างแบบจำลอง
พฤติกรรมทางสถิติของคุณสมบัติวัสดุสำหรับ
หลากหลาย ของการใช้งานทางด้านวิศวกรรม Nadarajah และวิธีการที่หลายคนได้รับการเสนอชื่อเพื่อประมาณค่าพารามิเตอร์โดยใช้ทั้งคลาสสิกและเทคนิคแบบเบย์ วิธีการประเมินจะต้องได้รับการแต่งตั้งซึ่งช่วยลดข้อผิดพลาดในการสุ่มตัวอย่าง วิธีการที่เหมาะสมในการประมาณค่าพารามิเตอร์ของการกระจายหนึ่งอาจจะไม่จำเป็นต้องเป็นที่มีประสิทธิภาพสำหรับการกระจายอีก. นอกจากนี้ยังมีวิธีการซึ่งมีประสิทธิภาพในการประมาณค่าพารามิเตอร์ไม่อาจจะมีประสิทธิภาพในการทำนายที่กำหนดโดย al-Baidhani และซินแคล(1987) อาเหม็ดอัลเอต (2010) ได้มีการพิจารณา ML Kotz (2008) กล่าวถึงรูปแบบทางสังคมวิทยาขึ้นอยู่กับตัวแปรสุ่ม Frechet นอกจากZaharim et al, (2009) ใช้กระจาย Frechet สำหรับการวิเคราะห์ข้อมูลความเร็วลม บารัก (2011) ศึกษาความก้าวหน้า Frechet ประเภท-II ตรวจสอบข้อมูลที่มีการลบทวินาม. การกระจาย Frechet เป็นกรณีพิเศษของการกระจายค่ามากทั่วไป ประเภทนี้-II คุ้มค่ามากกระจาย (Frechet) กรณีเป็นเทียบเท่ากับการซึ่งกันและกันของค่าจากการกระจาย Weibull มาตรฐาน ความน่าจะเป็นฟังก์ชั่นความหนาแน่น (PDF) และสะสมฟังก์ชันการกระจาย (CDF) สำหรับการกระจาย Frechet คือ

ผลลัพธ์ (ไทย) 3:

frechet การแนะนำโดยฝรั่งเศสfrechet นักคณิตศาสตร์ชื่อมอริส( 1878 ‐ 1973 ) ที่ได้มีการระบุก่อนหนึ่งการกระจายจำกัดที่สุดเพื่อที่ใหญ่ที่สุดสถิติใน 1927 . การ frechet กระจายได้เป็นประโยชน์สำหรับการสร้างและวิเคราะห์เหตุการณ์รุนแรงหลายตั้งแต่ เร่งการทดสอบชีวิตที่จะเกิดแผ่นดินไหว , น้ำท่วม , ฝนตก , ทะเลกระแสและความเร็วลมการใช้งานของ frechet กระจายในสาขาต่างๆที่ระบุในฮาร์โลว์ ( 2002 ) พบว่ามันเป็นสิ่งสำคัญสำหรับการจำลองการกระจายพฤติกรรมของวัสดุคุณสมบัติทางสถิติสำหรับความหลากหลายของการใช้งานวิศวกรรม nadarajah และหลายวิธีได้ถูกเสนอประมาณค่าพารามิเตอร์ทั้งคลาสสิกและใช้เทคนิคการพยากรณ์ . วิธีการประมาณค่า ต้องได้รับเลือกซึ่งช่วยลดข้อผิดพลาดในการสุ่มตัวอย่าง เป็นซึ่งเป็นวิธี ที่เหมาะสมเพื่อประเมินพารามิเตอร์ของการแจกแจงอาจไม่ได้ต้องเป็นอย่างมีประสิทธิภาพสำหรับการกระจายอีกนอกจากนี้ยังเป็นวิธีที่มีประสิทธิภาพในการประมาณค่าพารามิเตอร์ที่ไม่อาจจะมีประสิทธิภาพในทำนายให้ โดย อัล และ ซินแคลร์ baidhani( 1987 ) อาเหม็ด et al . ( 2010 ) ได้พิจารณา มลkotz ( 2551 ) กล่าวถึงแบบสังคมวิทยาตาม frechet สุ่มตัวแปร เพิ่มเติมzaharim et al . ( 2009 ) การกระจาย frechet ประยุกต์วิเคราะห์ความเร็วลมข้อมูล มูบารัค ( 2011 )ศึกษา frechet ก้าวหน้าชนิดที่สอง เซ็นเซอร์ข้อมูลทวินามลบ .การ frechet กระจายเป็นกรณีพิเศษของทั่วไปมากค่าการกระจาย ประเภทที่ 2 นี้การกระจายค่ามาก ( frechet ) คดีเทียบเท่ากับการรับค่าจากการกระจายแบบมาตรฐาน ความน่าจะเป็นความหนาแน่นของฟังก์ชัน ( PDF ) และสะสมฟังก์ชันการแจกแจง ( CDF ) สำหรับการกระจาย frechetคือ