However, for the large sample size,

However, for the large sample size, the MPWME is observed to be the best estimator since it outperforms the other estimators in this case. For c, when the sample size is 10, the WLSE exhibits a good performance; similarly, the PCE outperforms when n = 20, 30. The MLE gives the best estimates, particularly when the sample size is bigger than 50. Concerning k, the MME works well for the small and moderate sample sizes. However, when n = 100, the MLE exhibits a outstanding performance, though for n = 200, the MPWME is the best estimator. Related to the deficiency value, which is a measure of the joint efficiency of the estimators, the figures for the considered parameter values given in Table 2 indicate that the MME outperforms the other estimators with the smallest deficiency for the small sample size. On the other hand, for n = 30, the PCE is observed to be the best estimator, but for n = 50, 100, the MPWME exhibits the best performance. The MLE outperforms the other estimators when n = 200. The computed R.Def indicates that the MME is the best estimator for the small sample size. However, as the sample size increases, the MPWME or MLE generally becomes the best estimator.

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม สำหรับขนาดตัวอย่างขนาดใหญ่ MPWME เป็นที่สังเกตจะเป็นประมาณการที่ดีที่สุดเนื่องจากมันมีประสิทธิภาพสูงกว่า estimators อื่น ๆ ในกรณีนี้ สำหรับ c เมื่อขนาดตัวอย่าง 10, WLSE ที่แสดงประสิทธิภาพที่ดี ในทำนองเดียวกัน PCE มีประสิทธิภาพสูงกว่าเมื่อ n = 20, 30 พื้นฐานการให้ค่าประมาณที่ดีที่สุด โดยเฉพาะอย่างยิ่งเมื่อขนาดตัวอย่างมีขนาดใหญ่กว่า 50 เกี่ยวกับ k, MME เหมาะสำหรับขนาดตัวอย่างขนาดเล็ก และปานกลาง อย่างไรก็ตาม เมื่อ n = 100 พื้นฐานการจัดแสดงนิทรรศการผลงานที่โดดเด่น ว่าสำหรับ n = 200, MPWME เป็นประมาณการที่ดีที่สุด ที่เกี่ยวข้องกับค่าขาด ซึ่งเป็นตัวชี้วัดของประสิทธิภาพร่วมของ estimators ที่ ตัวเลขสำหรับค่าพิจารณาพารามิเตอร์ที่กำหนดในตารางที่ 2 แสดง MME มีประสิทธิภาพสูงกว่า estimators อื่น ๆ มีขาดเล็กที่สุดขนาดตัวอย่างเล็ก บนมืออื่น ๆ n = 30, PCE ที่สังเกตจะเป็นประมาณการที่ดีที่สุด แต่สำหรับ n = 50, 100, MPWME การแสดงประสิทธิภาพสูงสุด พื้นฐานมีประสิทธิภาพสูงกว่า estimators อื่น ๆ เมื่อ n = 200 R.Def คำนวณระบุว่า MME การประมาณที่ดีที่สุดสำหรับขนาดตัวอย่างเล็ก อย่างไรก็ตาม เป็นขนาดตัวอย่างเพิ่มขึ้น MPWME หรือพื้นฐานโดยทั่วไปกลายเป็น ประมาณการที่ดีที่สุด

ผลลัพธ์ (ไทย) 2:

แต่สำหรับขนาดของกลุ่มตัวอย่างขนาดใหญ่ MPWME เป็นที่สังเกตจะเป็นประมาณการที่ดีที่สุดเพราะมันมีประสิทธิภาพดีกว่าประมาณค่าอื่น ๆ ในกรณีนี้ สำหรับ C เมื่อขนาดของกลุ่มตัวอย่างคือ 10 WLSE การจัดแสดงนิทรรศการผลงานที่ดี; ในทำนองเดียวกัน PCE นี้มีประสิทธิภาพมากกว่าเมื่อ n = 20, 30 MLE ให้ประมาณการที่ดีที่สุดโดยเฉพาะอย่างยิ่งเมื่อขนาดของกลุ่มตัวอย่างมีขนาดใหญ่กว่า 50 เกี่ยวกับ K ที่ MME ทำงานได้ดีสำหรับขนาดกลุ่มตัวอย่างขนาดเล็กและปานกลาง แต่เมื่อ n = 100 MLE การจัดแสดงนิทรรศการผลงานดีเด่น แต่สำหรับ n = 200 MPWME เป็นประมาณการที่ดีที่สุด ที่เกี่ยวข้องกับค่าขาดซึ่งเป็นตัวชี้วัดประสิทธิภาพการใช้ร่วมกันของตัวประมาณค่าที่เป็นตัวเลขสำหรับค่าพารามิเตอร์การพิจารณากำหนดในตารางที่ 2 แสดงให้เห็นว่ามีประสิทธิภาพดีกว่า MME ประมาณค่าอื่น ๆ ที่มีการขาดเล็กสำหรับขนาดกลุ่มตัวอย่างขนาดเล็ก ในทางตรงกันข้ามสำหรับ n = 30, PCE เป็นที่สังเกตจะเป็นประมาณการที่ดีที่สุด แต่สำหรับ n = 50, 100, MPWME จัดแสดงนิทรรศการผลการดำเนินงานที่ดีที่สุด MLE มีประสิทธิภาพดีกว่าประมาณค่าอื่น ๆ เมื่อ n = 200 คำนวณ R.Def บ่งชี้ว่า MME เป็นประมาณการที่ดีที่สุดสำหรับขนาดกลุ่มตัวอย่างขนาดเล็ก อย่างไรก็ตามในขณะที่การเพิ่มขนาดของกลุ่มตัวอย่างที่ MPWME หรือ MLE ทั่วไปกลายเป็นประมาณการที่ดีที่สุด

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม สำหรับตัวอย่างใหญ่ ขนาด mpwme เป็นที่สังเกตเป็นประมาณการที่ดีที่สุดเนื่องจากมันมีประสิทธิภาพดีกว่าวิธีการอื่น ๆ ในคดีนี้ สำหรับ C เมื่อขนาดตัวอย่าง 10 , wlse จัดแสดงผลงานดี โดย PCE โปรยเมื่อ n = 20 , 30 โดย mle ให้ประมาณการที่ดีที่สุดโดยเฉพาะอย่างยิ่งเมื่อขนาดตัวอย่างมากกว่า 50 เกี่ยวกับ K , Mme ทำงานได้ดีสำหรับขนาดตัวอย่างขนาดเล็กและปานกลาง อย่างไรก็ตาม เมื่อ n = 100 , mle จัดแสดงผลงานโดดเด่น แต่สำหรับ n = 200 , mpwme เป็นประมาณการที่ดีที่สุด ที่เกี่ยวข้องกับมูลค่าการขาดซึ่งเป็นการวัดประสิทธิภาพร่วมของตัวประมาณ , ตัวเลขเพื่อพิจารณาค่าพารามิเตอร์ที่ระบุในรางที่ 2 พบว่ามีประสิทธิภาพดีกว่าวิธีการ Mme อื่นที่มีขาดเล็กสำหรับตัวอย่างขนาดเล็ก บนมืออื่น ๆ , n = 30 , PCE พบเป็นประมาณการที่ดีที่สุด แต่สำหรับ n = 50 , 100 , mpwme แสดงประสิทธิภาพที่ดีที่สุด โดย mle มีประสิทธิภาพดีกว่าประมาณอื่น ๆ เมื่อ n = 200 คำนวณ R . . บ่งบอกว่าถึงเวลาเป็นประมาณการที่ดีที่สุดสำหรับตัวอย่างขนาดเล็ก อย่างไรก็ตาม เมื่อขนาดตัวอย่างเพิ่มขึ้น mpwme หรือ mle โดยทั่วไปเป็นประมาณการที่ดีที่สุด