The main aim of this paper is to st

The main aim of this paper is to study how the different estimators of the

unknown shape parameter ሺߠሻ of an EGpz distribution can behave for different

sample sizes and for different parameter values. Here, we mainly compare the

maximum likelihood estimator (MLE) with the other estimators such as the

unbiased estimator (UBE), method of moment estimator (MME), estimator based

on percentiles (PCE), least squares estimator (LSE) and weighted least squares

estimator (WLSE), mainly with respect to their absolute relative bias (ARBias)

and relative root mean square error (RRMSE) using extensive simulation

techniques. Real data set will be used as an example for the six method of

estimations for the shape parameter ሺߠሻ of exponentiated Gompertz distribution.

ผลลัพธ์ (ไทย) 1:

จุดมุ่งหมายหลักของเอกสารนี้คือการ ศึกษาวิธี estimators แตกต่างกันของการሺߠሻพารามิเตอร์ที่ไม่รู้จักรูปร่างของการกระจายของ EGpz สามารถทำงานสำหรับแตกต่างกันขนาดตัวอย่างและค่าพารามิเตอร์ต่าง ๆ ที่นี่ เราส่วนใหญ่เปรียบเทียบการความเป็นไปได้สูงสุดประมาณ (MLE) กับ estimators อื่น ๆ เช่นการประมาณกลาง (UBE), วิธีการประมาณช่วงเวลา (MME), ประมาณคะแนนpercentiles (PCE), ประมาณการกำลังสองน้อยสุด (LSE) และกำลังสองน้อยสุดที่ถ่วงน้ำหนักประมาณ (WLSE), ส่วนใหญ่เกี่ยวกับความอคติสัมพัทธ์สัมบูรณ์ (ARBias)ข้อผิดพลาดสัมพัทธ์สแควร์หมายถึงราก (RRMSE) โดยจำลองครอบเทคนิคการ ชุดข้อมูลที่แท้จริงจะใช้เป็นตัวอย่างสำหรับวิธีการหกประเมินสำหรับการሺߠሻพารามิเตอร์รูปร่างของ exponentiated Gompertz กระจาย

ผลลัพธ์ (ไทย) 2:

จุดมุ่งหมายหลักของการวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาวิธีการประมาณค่าที่แตกต่างกันของพารามิเตอร์รูปร่างที่ไม่รู้จักሺߠሻของการกระจาย EGpz สามารถทำตัวแตกต่างกันขนาดตัวอย่างและค่าพารามิเตอร์ที่แตกต่างกัน ที่นี่เราส่วนใหญ่เปรียบเทียบประมาณการโอกาสสูงสุด (MLE) ที่ประมาณค่าอื่น ๆ เช่นเป็นกลาง estimator (UBE) วิธีการของช่วงเวลาประมาณ (MME) ประมาณการตามบนเปอร์เซนต์ (PCE), สี่เหลี่ยมน้อยประมาณการ (LSE) และถ่วงน้ำหนักน้อย สี่เหลี่ยมประมาณการ (WLSE) ส่วนใหญ่ที่เกี่ยวกับอคติญาติของพวกเขาแน่นอน (ARBias) และรากญาติหมายถึงตารางข้อผิดพลาด (RRMSE) โดยใช้สถานการณ์จำลองที่กว้างขวางเทคนิค ชุดข้อมูลจริงจะถูกใช้เป็นตัวอย่างสำหรับหกวิธีการของประมาณการสำหรับพารามิเตอร์รูปร่างሺߠሻของการกระจาย Gompertz exponentiated

ผลลัพธ์ (ไทย) 3:

จุดประสงค์หลักของงานวิจัยนี้คือ เพื่อศึกษาวิธีตัวประมาณที่แตกต่างกันของไม่รู้จักค่าของรูปร่างሺߠሻ egpz กระจายสามารถทำตัวให้แตกต่างขนาดตัวอย่างและค่าพารามิเตอร์ต่าง ๆ ที่นี่เราเน้นเปรียบเทียบการประมาณความควรจะเป็นสูงสุด ( mle ) ด้วยวิธีการอื่นๆ เช่นแบบกำลังสอง ( Ube ) วิธีการของช่วงเวลาประมาณการ ( Mme ) ประมาณการจากเกี่ยวกับเปอร์เซ็นต์ไทล์ ( PCE ) กำลังสองน้อยที่สุด ( LSE ) และน้ำหนักตัวประมาณกำลังสองน้อยที่สุดประมาณการ ( wlse ) ส่วนใหญ่เกี่ยวกับอคติสัมพัทธ์สัมบูรณ์ ( arbias )และรากเทียบค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( rrmse ) โดยใช้แบบจำลองอย่างละเอียดเทคนิค ชุดข้อมูลที่แท้จริงจะถูกใช้เป็นตัวอย่าง ใน 6 วิธีการคาดประมาณสำหรับรูปร่างของพารามิเตอร์ሺߠሻกระจายๆ exponentiated .