This paper deals with the estimatio

This paper deals with the estimation of scale parameter for Frechet distribution with known shape. The Maximum likelihood estimation and Probability weighted moment estimation are discussed. Bayes estimator is obtained using Jeffreys’ prior under quadratic loss function, El-Sayyad’s loss function and linex loss function. Through extensive simulation study, we compared the performance of these estimators considering various sample size based on mean squared error (MSE). Key Words: Maximum likelihood estimator, Probability weighted moment estimator, Mean squared error, Loss function, Frechet distribution

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เกี่ยวข้องกับการประมาณค่าพารามิเตอร์ขนาดการกระจาย Frechet ทรงทราบ กล่าวถึงการประเมินความเป็นไปได้สูงสุดและการประมาณช่วงเวลาน่าจะถ่วงน้ำหนัก Bayes ประมาณจะได้ใช้ก่อน Jeffreys' ภายใต้ฟังก์ชันกำลังสองขาดทุน El-Sayyad สูญเสียฟังก์ชัน และฟังก์ชัน linex ขาดทุน เราเปรียบเทียบประสิทธิภาพของ estimators เหล่านี้ผ่านการศึกษาจำลองครอบ พิจารณาขนาดตัวอย่างต่าง ๆ ตามข้อผิดพลาดกำลังสองเฉลี่ย (MSE) คำสำคัญ: ประมาณโอกาสสูงสุด ความน่าเป็นช่วงเวลาประมาณการถ่วงน้ำหนัก หมายถึงกำลังสองผิดพลาด สูญเสียฟังก์ชัน การกระจาย Frechet

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะเกี่ยวข้องกับการประมาณค่าพารามิเตอร์ของขนาดสำหรับการกระจาย Frechet มีรูปร่างที่รู้จักกัน การประมาณความน่าจะเป็นสูงสุดและความน่าจะถ่วงน้ำหนักประมาณค่าช่วงเวลาที่จะกล่าวถึง Bayes ประมาณการจะได้รับใช้ฟรีย์ 'ก่อนภายใต้ฟังก์ชั่นการสูญเสียกำลังสอง El-Sayyad ฟังก์ชั่นการสูญเสียและการสูญเสีย Linex ฟังก์ชั่น ผ่านการศึกษาการจำลองกว้างขวางเราเมื่อเทียบกับประสิทธิภาพการทำงานของตัวประมาณค่าเหล่านี้เมื่อพิจารณาจากขนาดของกลุ่มตัวอย่างต่าง ๆ ขึ้นอยู่กับข้อผิดพลาด Squared เฉลี่ย (MSE) คำสำคัญ: ประมาณการโอกาสสูงสุดน่าจะเป็นช่วงเวลาที่ถ่วงน้ำหนักประมาณการคลาดเคลื่อนกำลังสองเฉลี่ยฟังก์ชั่นการสูญเสียการกระจาย Frechet

ผลลัพธ์ (ไทย) 3:

บทความนี้เกี่ยวข้องกับการประมาณค่าพารามิเตอร์แบบกระจายสำหรับ frechet ทราบรูปร่าง สูงสุดและช่วงเวลาการเกิดค่าถ่วงน้ำหนักความน่าจะเป็นได้ถูก เบย์ประมาณได้ใช้ก่อนฟังก์ชันกำลังสอง Jeffreys " ภายใต้การสูญเสียของเอล sayyad การสูญเสียฟังก์ชันและฟังก์ชันการสูญเสีย linex . ผ่านการศึกษาแบบจำลองอย่างละเอียด เราเปรียบเทียบประสิทธิภาพของตัวประมาณขนาดตัวอย่างต่าง ๆเหล่านี้พิจารณาจากค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( MSE ) คำสำคัญ : การประมาณความควรจะเป็นสูงสุดแต่ละช่วงเวลาถ่วงน้ำหนักความน่าจะเป็น หมายถึงพร้อมฟังก์ชันการสูญเสีย การกระจาย frechet ข้อผิดพลาด