ارسل ملاحظاتك

ارسل ملاحظاتك لنا







مقارنة مقدرات بييز مع مقدر غير متحيز ذي أقل تباين بانتظام "UMVUE" لمعلمة الشكل لتوزيع لوماكس باستخدام المحاكاة

العنوان بلغة أخرى: Comparison of Bayes Estimators with the Uniformly Minimum Variance Unbiased Estimator "UMVUE" for the Shape Parameter of a Lomax Distribution Using Simulation
المصدر: مجلة شمال إفريقيا للنشر العلمي
الناشر: الأكاديمية الأفريقية للدراسات المتقدمة
المؤلف الرئيسي: عبدالله، حنان الحسني (مؤلف)
المؤلف الرئيسي (الإنجليزية): Abdullah, Hanan Alhosni
المجلد/العدد: مج1, ع4
محكمة: نعم
الدولة: ليبيا
التاريخ الميلادي: 2023
الشهر: ديسمبر
الصفحات: 79 - 93
ISSN: 2959-4820
رقم MD: 1467059
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch, HumanIndex
مواضيع:
كلمات المؤلف المفتاحية:
توزيع لوماكس | مقدر بييز | مقدر "UMVUE" | دالة الخسارة التربيعية الموزونة | دالة الخسارة الخطية الأسية المعدلة | Lomax Distribution | Bayes Estimator | "UMVUE" | Weighted Quadratic Loss Function | Modified Exponential Linear Loss Function
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
LEADER 04079nam a22002417a 4500
001 2211546
041 |a ara 
044 |b ليبيا 
100 |9 777698  |a عبدالله، حنان الحسني  |e مؤلف  |g Abdullah, Hanan Alhosni 
245 |a مقارنة مقدرات بييز مع مقدر غير متحيز ذي أقل تباين بانتظام "UMVUE" لمعلمة الشكل لتوزيع لوماكس باستخدام المحاكاة 
246 |a Comparison of Bayes Estimators with the Uniformly Minimum Variance Unbiased Estimator "UMVUE" for the Shape Parameter of a Lomax Distribution Using Simulation 
260 |b الأكاديمية الأفريقية للدراسات المتقدمة  |c 2023  |g ديسمبر 
300 |a 79 - 93 
336 |a بحوث ومقالات  |b Article 
520 |a يهدف هذا البحت إلى مقارنة مقدر بييز تحت دوال خسارة مختلفة مع مقدر غير متحيز ذي أقل تباين بانتظام (UMVUE) لمعلمة الشكل لتوزيع لوماكس ذي المعلمتين (,β α)، باعتباره أحد التوزيعات المهمة التي تصف أوقات الفشل، إذ أن β هي معلمة القياس المفترض أنها معلومة في هذا البحت وα هي معلمة الشكل المراد تقديرها بتوظيف أسلوب المحاكاة (Simulation) للمقارنة بين طرق التقدير. وقد تمت المقارنة بالاعتماد على متوسط مربعات الخطأ ((MSE لقيم مختلفة لمعلمة الشكل المراد تقديرها وأحجام عينات (n=10,25,50,100,200) وذلك بغية الوصول لأفضل مقدر لمعلمة الشكل. وقد أظهرت الدراسة أن مقدرات بييز تحت دالتي الخسارة (التربيعية الموزونة والخطية الأسية المعدلة) كانت هي الأفضل من بين كل المقدرات وذلك لأنها حققت أقل (MSE) لجميع حجوم العينات وقيم المعالم المقترحة في هذا البحث.  |b This research aims to compare the Bayes estimator under different loss functions with the uniformly minimum variance unbiased estimator (UMVUE) for the shape parameter of the two-parameter Lomax distribution, as it is one of the important distributions that describes failure times, as it is the measurement parameter that is assumed to be known in this research and it is the shape parameter that is to be estimated by employing a simulation method to compare between estimation methods. The comparison was made based on the mean square error (MSE) for different values of the shape parameter to be estimated and sample sizes (n=10, 25, 50, 100, 200) in order to reach the best estimator for the shape parameter. The study showed that the Bayes estimators under the weighted quadratic loss function and the modified exponential linear loss function were the best among all the estimators because they achieved the lowest (MSE) for all sample sizes and feature values proposed in this research. 
653 |a علم الإحصاء  |a التوزيعات الإحصائية  |a التحليل الإحصائي 
692 |a توزيع لوماكس  |a مقدر بييز  |a مقدر "UMVUE"  |a دالة الخسارة التربيعية الموزونة  |a دالة الخسارة الخطية الأسية المعدلة  |b Lomax Distribution  |b Bayes Estimator  |b "UMVUE"  |b Weighted Quadratic Loss Function  |b Modified Exponential Linear Loss Function 
773 |4 العلوم الإنسانية ، متعددة التخصصات  |4 العلوم الاجتماعية ، متعددة التخصصات  |6 Humanities, Multidisciplinary  |6 Social Sciences, Interdisciplinary  |c 022  |e The North African Journal of Scientific Publishing  |f Mağallaẗ šimāl Ifrīqiyā li-l-našr al-ʿilmī  |l 004  |m مج1, ع4  |o 2461  |s مجلة شمال إفريقيا للنشر العلمي  |v 001  |x 2959-4820 
856 |u 2461-001-004-022.pdf 
930 |d y  |p y  |q n 
995 |a EduSearch 
995 |a HumanIndex 
999 |c 1467059  |d 1467059