This paper introduced a new mixed d

This paper introduced a new mixed distribution, namely the negative binomial-generalized exponential (NB-GE) distribution, which it obtained by mixing the negative binomial (NB) distribution with a generalized exponential (GE) distribution. The NB-GE distribution offers the advantage of being able to handle this kind of data sets, while still maintaining similar characteristics as the traditional negative binomial. The closed form and the factorial moment of the NB-GE distribution are derived. The NB-GE distribution appropriate when we find the one related to count data which have a large number of zeros and over dispersion in Poisson distribution. In addition, we present the basic properties of the new distribution such as mean, variance, skewness and kurtosis. Including, the negative binomial-exponential distributions are presented as special cases of this NB-GE distribution. Parameters estimation is also implemented using maximum likelihood method and the usefulness of the NB-GE distribution is illustrated by real data set. When using a goodness of fit test, the results show that the NB-GE distribution can provide a better fit than the NB distribution and Poisson distribution for count data that contain a large number of zeros.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้นำใหม่ผสมกระจาย คือลบทั่วไปแบบทวิเนน (NB-GE) กระจาย ซึ่งมันได้รับ โดยผสมแจกแจงแบบทวินามลบ (NB) มีการกระจายทั่วไปเนน (GE) Offers แจก NB-GE การสามารถจัดการกับชนิดของข้อมูลนี้ชุด ในขณะที่ยังคง รักษาลักษณะคล้ายเป็นทวินามลบแบบดั้งเดิม แบบฟอร์มปิดและช่วงเวลาการแจก NB-GE แฟกมา แจก NB-GE ที่เหมาะสมเมื่อเราดี ๆ เกี่ยวข้องกับจำนวนข้อมูลที่มีจำนวนมาก ของเลขศูนย์ และการกระจายในกระจาย Poisson นอกจากนี้ เรานำเสนอคุณสมบัติพื้นฐานของการกระจายใหม่เช่นความหมาย แปรปรวน ความเบ้ และสเชิง รวม การกระจายแบบทวินามเนนค่าลบจะแสดงเป็นกรณีพิเศษนี้จำหน่าย NB-GE การประมาณค่าพารามิเตอร์เป็นยังดำเนินการโดยใช้วิธีความน่าเป็นสูงสุด และประโยชน์ของการแจก NB-GE มีภาพประกอบ ด้วยชุดข้อมูลจริง เมื่อใช้ดีของทีมทดสอบ ผลการแสดงการกระจาย NB-GE สามารถให้ทีมดีกว่า NB กระจายและการแจกแจงปัวซองจำนวนข้อมูลที่ประกอบด้วยจำนวนมากของศูนย์

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะแนะนำการกระจายผสมใหม่คือการชี้แจง (NB-GE) การกระจายเชิงลบทวินาม-ทั่วไปที่ได้รับจากการผสมทวินาม (NB) การกระจายเชิงลบที่มีการชี้แจงการกระจายทั่วไป (GE) การกระจาย NB-GE o FF ERS ​​ประโยชน์จากความสามารถในการจัดการกับชนิดของชุดข้อมูลนี้ในขณะที่ยังคงรักษาลักษณะที่คล้ายกันเป็นเชิงลบทวินามแบบดั้งเดิม รูปแบบปิดและช่วงเวลาที่ปัจจัยของการกระจาย NB-GE จะได้มา ที่เหมาะสมกระจาย NB-GE เมื่อเรา fi ครั้งหนึ่งที่เกี่ยวข้องกับการนับข้อมูลที่มีจำนวนมากของศูนย์และมากกว่าการกระจายตัวในการกระจาย Poisson นอกจากนี้เรายังนำเสนอคุณสมบัติพื้นฐานของการกระจายใหม่ ๆ เช่นค่าเฉลี่ยแปรปรวนเบ้และความโด่ง รวมทั้งในเชิงลบการแจกแจงทวินามชี้แจงแสดงเป็นกรณีพิเศษนี้กระจาย NB-GE การประมาณค่าพารามิเตอร์ยังจะดำเนินการโดยใช้วิธีโอกาสสูงสุดและประโยชน์ของการกระจาย NB-GE จะแสดงโดยชุดข้อมูลที่แท้จริง เมื่อใช้ความดีงามของการทดสอบ Fi T ผลลัพธ์แสดงให้เห็นว่าการกระจาย NB-GE สามารถให้ Fi T ดีกว่าการจัดจำหน่ายและการกระจาย NB Poisson ข้อมูลนับว่ามีจำนวนมากของศูนย์

ผลลัพธ์ (ไทย) 3:

กระดาษนี้จะแนะนำการผสมใหม่ คือ ลบแบบเอกซ์โพเนนเชียล ( nb-ge ) กระจายทั่วไป ซึ่งได้จากการผสมแบบลบ ( NB ) ที่มีการกระจายแบบทั่วไป ( GE ) กระจาย การ nb-ge กระจาย O ff ERS ได้เปรียบที่จะสามารถจัดการกับชนิดของชุดข้อมูลในขณะที่ยังคงรักษาลักษณะคล้ายแบบทวินามลบ . รูปแบบปิดและช่วงเวลาที่กลุ่มของ nb-ge กระจายจะได้เป็น การกระจาย nb-ge ที่เหมาะสมเมื่อเราจึงนับครั้งที่หนึ่งที่เกี่ยวข้องกับข้อมูลซึ่งมีจำนวนมากและกระจายศูนย์ในการแจกแจงปัวส์ซอง นอกจากนี้เรายังนำเสนอคุณสมบัติพื้นฐานของการกระจายใหม่ เช่น ค่าเฉลี่ย ความแปรปรวน ความเบ้และความโด่ง . รวม , ลบแบบเอกซ์โพเนนเชียลและจะแสดงเป็นกรณีพิเศษนี้ nb-ge แจกจ่าย การประมาณค่าพารามิเตอร์ด้วยวิธีความควรจะเป็นสูงสุด และการใช้ประโยชน์ของ nb-ge กระจายเป็นภาพประกอบ โดยชุดข้อมูลที่แท้จริง เมื่อใช้ความดีของการทดสอบ t จึง พบว่า nb-ge กระจายสามารถให้ดีขึ้นจึงไม่กว่า NB การกระจายและการแจกแจงปัวส์ซองสำหรับข้อมูลนับที่ประกอบด้วยจำนวนมากของศูนย์