Ein hybrides Support-Vektor-Maschinen–Genetischer Algorithmus-Rahmen zur Schätzung der DUS-transformierten verallgemeinerten polynomialen quadratischen Ausfallratenverteilung

Wahrscheinlichkeitsverteilungen sind wesentliche statistische Instrumente, die es ermöglichen, bestimmte Wahrscheinlichkeitsereignisse in verschiedenen Bereichen wie Ingenieurwesen, Medizin, Finanzen und Umweltwissenschaften zu modellieren und zu analysieren. Klassische Verteilungen haben jedoch Einschränkungen bei der Beschreibung der Komplexität realer Daten gezeigt. Dieses Papier wird diese Mängel erörtern, indem die DUS-transformierte verallgemeinerte polynomiale quadratische Ausfallratenverteilung (DUS-GPQF) vorgeschlagen wird, die eine neue Erweiterung der verallgemeinerten linearen Ausfallratenverteilung (GLF) durch die DUS-Transformationsmethode darstellt. Die DUS-GPQF-Verteilung erhöht die Flexibilität im GLF-Modell, was ihr eine größere Fähigkeit verleiht, ein breiteres Spektrum von Datenverhalten zu unterstützen. Die DUS-GPQF-Verteilung weist wichtige statistische Eigenschaften auf, die die Hazard-Rate-Funktional, Momente, unvollständige Momente, Entropie und Extropie umfassen. Die DUS-GPQF-Verteilung hat siebzehn Schätzmethoden, die gewährleisten, dass sie praktisch anwendbar ist. Die Tests zur DUS-GPQF-Verteilung werden an zwei realen Datensätzen durchgeführt, und die Ergebnisse zeigen, dass das Modell besser ist als andere Konkurrenzmodelle in Bezug auf Anpassungsgüte und Vorhersagegenauigkeit. Die Studie bietet ein leistungsstarkes statistisches Modell für komplexe Daten, um die theoretische sowie praktische statistische Analyse zu verbessern.