Análise de dados com aplicações em física e engenharia usando o modelo XLindley com amostras progressivamente censuradas adaptativas do Tipo-II melhoradas

Recentemente, uma nova estratégia de censura progressiva adaptativa do Tipo-II melhorada foi sugerida para obter dados adequados de ensaios que requerem um longo período de tempo. Considerando esse esquema, este artigo foca em vários desafios de estimação clássica e bayesiana para parâmetros e algumas métricas de confiabilidade para a distribuição XLindley. Dois métodos de estimação clássica são considerados sob a perspectiva clássica para obter as estimativas pontuais e intervalares do parâmetro do modelo, bem como funções de confiabilidade e taxa de risco. Além das abordagens usuais, a metodologia bayesiana é analisada, aproveitando a função de perda de erro quadrático e a técnica de Monte Carlo por Cadeia de Markov. Os intervalos pontuais de Bayes e intervalos de credibilidade são obtidos com base em duas formas da distribuição posterior. Uma análise de simulação é implementada adotando múltiplas circunstâncias para distinguir entre as estimativas convencionais e bayesianas. Os resultados da simulação demonstram que a abordagem bayesiana usando a função de verossimilhança é superior para estimar o parâmetro do modelo em comparação com os outros métodos. Em contraste, ao estimar métricas de confiabilidade, é aconselhável utilizar o método bayesiano com a função de espaçamento. Dois conjuntos de dados do mundo real são analisados para integrar as abordagens propostas na prática, e a estratégia ideal de censura progressiva é escolhida usando alguns critérios de optimalidade.