The generalized gamma distribution

The generalized gamma distribution is a younger distribution (1962) than the normal distribution (1774). It was
introduced by Stacy and Mihran [15] in order to combine the power of two distributions: the Gamma distribution
and the Weibull distribution. The generalized gamma distribution is a popular distribution because it is extremely
flexible. This distribution is also convenient because it includes as special cases several distributions: the exponential
distribution, the log-normal distribution, the Weibull distribution, the Levy distribution. . .
These interests are nevertheless in contradiction with the difficulties in estimating the parameters. This
topic was dealt in many papers but the complexity of the results proves that this topic is still an opened
item.
This paper proposes a new heuristic approach in parameter estimation of the generalized gamma distribution using
an iterative method. This routine was implemented in Splus software.
In Section 2, we describe the characteristic of the generalized gamma distribution and give some application areas.
An overview of literature on the parameter estimation of the generalized gamma distribution is presented in Section
3. Section 4 deals with the proposed heuristic method called algorithm I.T.E.V. In Section 5, we apply the resulting
routine on known generalized gamma distribution in order to validate the estimation method. We terminate with a
conclusion and some perspectives.

ผลลัพธ์ (ไทย) 1:

แกมมาเมจแบบทั่วไปจะกระจายอายุ (1962) มากกว่าการกระจายปกติ (1774) มันเป็นนำโดย Stacy Mihran [15] เพื่อรวมพลังของการกระจายที่สอง: การแจกแจงแกมมาและการแจกแจงแบบเวย์บูล แกมมาเมจแบบทั่วไปเป็นการกระจายที่นิยมเพราะมันมากมีความยืดหยุ่น การแจกจ่ายนี้ก็สะดวกเนื่องจากมีเป็นกรณีพิเศษการกระจายหลาย: ที่เนนกระจาย การแจกแจงล็อกปกติ การแจกแจงแบบเวย์บูล การกระจายอัตราสถานที่เหล่านี้ได้อย่างไรก็ตามในความขัดแย้งด้วยความยากลำบากในการประมาณพารามิเตอร์ นี้ได้รับการจัดการหัวข้อในเอกสารมาก แต่ความซับซ้อนของผลพิสูจน์ให้เห็นว่า หัวข้อนี้เป็นการเปิดสินค้ากระดาษนี้เสนอวิธีใหม่แล้วในพารามิเตอร์ประเมินใช้แจกแจงแกมมาเมจแบบทั่วไปวิธีการซ้ำกัน ขั้นตอนนี้ถูกนำมาใช้ในซอฟต์แวร์ Splusในส่วน 2 เราอธิบายลักษณะของการแจกแจงแกมมาเมจแบบทั่วไป และให้บางพื้นที่แอพลิเคชันนำเสนอในส่วนภาพรวมของเอกสารประกอบการการประเมินพารามิเตอร์ของการแจกแจงแกมมาเมจแบบทั่วไป3. ส่วน 4 เกี่ยวข้องกับวิธีการแล้วเสนอที่เรียกว่าอัลกอริทึม I.T.E.V. ในส่วน 5 เราใช้งบขั้นตอนในการแจกแจงแกมมาเมจแบบทั่วไปทราบเพื่อตรวจสอบวิธีการประเมิน เราจบด้วยการบทสรุปและบางมุมมอง

ผลลัพธ์ (ไทย) 2:

มีการกระจายของรังสีแกมมาทั่วไปคือการกระจายน้อง (1962) มากกว่าการกระจายปกติ (1774) มันได้รับการ
แนะนำให้รู้จักกับสเตซี่และ Mihran [15] เพื่อรวมพลังของทั้งสองการกระจาย: แจกแจงแกมมา
และการกระจาย Weibull มีการกระจายของรังสีแกมมาทั่วไปคือการกระจายความนิยมเพราะมันเป็นอย่างมากที่
มีความยืดหยุ่น การกระจายนี้ยังสะดวกเพราะมันมีกรณีพิเศษเช่นการกระจายหลายชี้แจง
การจัดจำหน่ายและการกระจายเข้าสู่ระบบปกติ, การกระจาย Weibull การกระจายประกาศ . .
ผลประโยชน์เหล่านี้จะยังคงอยู่ในความขัดแย้งกับความยากลำบากในการประมาณค่าพารามิเตอร์ นี้
ก็จัดการหัวข้อในเอกสารจำนวนมาก แต่ความซับซ้อนของผลการพิสูจน์ให้เห็นว่าเรื่องนี้ยังคงเปิด
รายการ.
กระดาษนี้นำเสนอวิธีการแก้ปัญหาใหม่ในการประมาณค่าพารามิเตอร์ของการกระจายทั่วไปแกมมาโดยใช้
วิธีการที่กล่าวย้ำ กิจวัตรประจำวันนี้ได้รับการดำเนินการในซอฟต์แวร์ Splus.
ในส่วนที่ 2 เราจะอธิบายลักษณะของการกระจายรังสีแกมมาทั่วไปและให้การใช้งานบางอย่าง.
ภาพรวมของหนังสือที่เกี่ยวกับการประมาณค่าพารามิเตอร์ของการกระจายรังสีแกมมาทั่วไปจะนำเสนอในมาตรา
3 หมวดที่ 4 ข้อเสนอด้วยวิธีการแก้ปัญหาที่นำเสนอที่เรียกว่าอัลกอริทึม ITEV ในมาตรา 5 เราใช้ที่เกิด
เป็นประจำในการกระจายรังสีแกมมาที่รู้จักกันทั่วไปในการสั่งซื้อเพื่อตรวจสอบวิธีการประมาณค่า เราเลิกกับ
ข้อสรุปและมุมมองบางอย่าง

ผลลัพธ์ (ไทย) 3:

การแจกแจงแกมมาทั่วไปคือการกระจายน้อง ( 1962 ) กว่าปกติ ( 1774 ) มันถูกแนะนำโดยสเตซี่ และ mihran
[ 15 ] เพื่อรวมพลังสองแบบ : การแจกแจงแกมมา
และแบบกระจาย การแจกแจงแกมมาทั่วไปคือการกระจายที่นิยมเพราะเป็นสิ่ง
ยืดหยุ่นการกระจายนี้ยังสะดวกเพราะมันมีเป็นกรณีพิเศษต่าง ๆการกระจาย : การแจกแจงแบบเลขชี้กำลัง
, เข้าสู่ระบบปกติกระจาย แบบกระจาย การจัดเก็บการกระจาย . . . . . . .
ผลประโยชน์เหล่านี้ แต่ในความขัดแย้งกับความยากลำบากในการประมาณค่าพารามิเตอร์ นี้
หัวข้อแจกเอกสารมากมาย แต่ความซับซ้อนของผลลัพธ์ที่พิสูจน์ได้ว่าหัวข้อนี้ยังคงเปิด

สินค้า กระดาษนี้นำเสนอวิธีการแบบใหม่ในการประมาณค่าพารามิเตอร์ของการแจกแจงแกมมาทั่วไปใช้
วิธีการซ้ำ ขั้นตอนนี้ถูกดำเนินการใน splus ซอฟต์แวร์ .
ในส่วน 2เราอธิบายลักษณะของการแจกแจงแกมมาทั่วไปและให้บางพื้นที่การใช้งาน .
ภาพรวมของวรรณกรรมในการประมาณค่าพารามิเตอร์ของการแจกแจงแกมมาทั่วไปที่นำเสนอในส่วน
3 มาตรา 4 ที่เกี่ยวข้องกับฮิวริสติกอัลกอริทึมวิธีที่เรียกว่า i.t.e.v. ในส่วนที่ 5 เราใช้ผล
ขั้นตอนที่เป็นที่รู้จักทั่วไปและการแจกแจงแกมมาเพื่อตรวจสอบวิธีการประมาณค่า . เราบอกเลิกกับบทสรุปและบางมุมมอง

.