the lognormal distribution produced

the lognormal distribution produced the best fit for lower claims while
the pareto produced the best fit for huge claims. Therefore, the researchers, recommends that both distributions be applied at the
same time at those parts which they fit best. On comparing, Bayesian and Classical methods, similar results were obtained for
the pareto distribution and a poor result using Bayesian method on lognormal was obtained. Since each method has some merits
and demerits, it is wise to use both methods at the same so that the one with better results can be used for further analysis.

ผลลัพธ์ (ไทย) 1:

การแจกแจงแบบ lognormal ผลิตเหมาะสมที่สุดสำหรับเรียกร้องต่ำกว่าในขณะที่pareto การผลิตเหมาะสมที่สุดสำหรับอ้างใหญ่ ดังนั้น นักวิจัย แนะนำที่ใช้การกระจายทั้งที่การเวลาเดียวกันในส่วนที่พอดีที่สุด ในการเปรียบเทียบ ทฤษฎีและวิธีการคลาสสิก ได้รับผลที่คล้ายกันสำหรับได้รับการแจก pareto และผลไม่ดีโดยใช้ทฤษฎีวิธีในแบบ lognormal แต่ละวิธีมีข้อดีบางอย่างและนิทานชาดกต่าง ๆ ก็ควรจะใช้ทั้งสองวิธีที่เหมือนกันเพื่อให้มีผลลัพธ์ที่ดีกว่าสามารถใช้สำหรับการวิเคราะห์เพิ่มเติม

ผลลัพธ์ (ไทย) 2:

การกระจาย lognormal ผลิตที่เหมาะสมที่สุดสำหรับการเรียกร้องที่ต่ำกว่าในขณะที่
Pareto ผลิตที่เหมาะสมที่สุดสำหรับการเรียกร้องมาก ดังนั้นนักวิจัยแนะนำว่าทั้งการกระจายถูกนำมาใช้ใน
เวลาเดียวกันที่ชิ้นส่วนเหล่านั้นซึ่งพวกเขาพอดีที่ดีที่สุด เกี่ยวกับการเปรียบเทียบวิธีการและแบบเบย์คลาสสิก, ผลที่คล้ายกันที่ได้รับสำหรับ
การกระจาย Pareto และผลดีโดยใช้วิธีการแบบเบย์บน lognormal ที่ได้รับ เนื่องจากแต่ละวิธีมีประโยชน์บาง
และทั้งนี้ก็ควรที่จะใช้วิธีการทั้งสองในเวลาเดียวกันเพื่อให้เป็นหนึ่งเดียวกับผลลัพธ์ที่ดีสามารถนำมาใช้สำหรับการวิเคราะห์ต่อ

ผลลัพธ์ (ไทย) 3:

การกระจายแบบที่เหมาะที่สุดสำหรับการเรียกร้องลดลง ในขณะที่ที่ช่วยผลิตพอดีที่ดีที่สุดสำหรับการเรียกร้องมาก ดังนั้น นักวิจัยแนะนำว่า ทั้งการใช้ที่เวลาเดียวกัน ในส่วนที่พวกเขาจะเหมาะที่สุด เปรียบเทียบแบบเบย์ และวิธีการคลาสสิกผลที่คล้ายกันได้รับสำหรับในการแจกแจงพาเรโตและยากจนผลใช้วิธีเบส์ในแบบทดสอบได้ เพราะแต่ละวิธีมีข้อดีบางอย่างและ demerits มีปัญญาใช้วิธีการทั้งสองที่เหมือนกันเพื่อให้หนึ่งกับผลลัพธ์ที่ดีขึ้นสามารถใช้ในการวิเคราะห์ต่อไป