Key points are not available for this paper at this time.
Die vorliegende Mitteilung entwickelt die Werkzeuge zur Schätzung und Vorhersage der Burr-III-Verteilung unter einem einheitlichen progressiven hybriden Zensorschema. Die Maximum-Likelihood-Schätzungen der Modellparameter werden erhalten. Es wird gezeigt, dass die Maximum-Likelihood-Schätzungen eindeutig existieren. Erwartungsmaximierungs- und stochastische Erwartungsmaximierungsverfahren werden verwendet, um die Punktestimates unbekannter Parameter zu berechnen. Basierend auf der asymptotischen Verteilung der Maximum-Likelihood-Schätzer werden approximative Konfidenzintervalle vorgeschlagen. Darüber hinaus werden die Bootstrap-Konfidenzintervalle konstruiert. Ferner werden die Bayes-Schätzungen in Bezug auf die quadrierte Fehler- und LINEX-Verlustfunktionen abgeleitet. Um die approximativen Bayes-Schätzungen zu berechnen, wird der Metropolis-Hastings-Algorithmus angewendet. Die höchsten posterioren Dichte-Konfidenzintervalle werden erhalten. Zudem werden die maximalen a-posteriori-Schätzungen der Modellparameter berechnet. Die Bayesian-predictive Punkt- sowie Intervallschätzungen werden vorgeschlagen. Eine Monte-Carlo-Simulationsstudie wird durchgeführt, um die Leistung der vorgeschlagenen statistischen Verfahren zu evaluieren. Schließlich werden zwei Datensätze in der Praxis betrachtet und analysiert, um die in diesem Papier etablierten Methoden zu veranschaulichen.
Dutta et al. (Fri,) haben diese Frage untersucht.