Inferencia fiducial generalizada para la distribución generalizada de Rayleigh
Autores: Zhu, Xuan; Tian, Weizhong; Tian, Chengliang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Inferencia fiducial generalizada para la distribución generalizada de Rayleigh
Categoría
Procesos industriales
Subcategoría
Simulación de procesos industriales
Palabras clave
Intervalo de estimación
Distribución generalizada de Rayleigh
Método fiducial
Estimadores puntuales
Intervalos de confianza
Simulación de Monte Carlo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
Este artículo se centra en la estimación por intervalos de la distribución generalizada de Rayleigh con parámetros de escala y forma. Se utiliza el método fiducial generalizado para construir los estimadores de punto fiducial, así como los intervalos de confianza fiduciales, y luego se compara su rendimiento con otros métodos como la estimación de máxima verosimilitud, la estimación bayesiana y el método de bootstrap paramétrico. Se realizan estudios de simulación de Monte Carlo para examinar la eficiencia de los métodos en cuanto al error cuadrático medio, la probabilidad de cobertura y la longitud promedio. Finalmente, se presentan dos conjuntos de datos reales para demostrar la aplicabilidad del método propuesto.
Descripción
Este artículo se centra en la estimación por intervalos de la distribución generalizada de Rayleigh con parámetros de escala y forma. Se utiliza el método fiducial generalizado para construir los estimadores de punto fiducial, así como los intervalos de confianza fiduciales, y luego se compara su rendimiento con otros métodos como la estimación de máxima verosimilitud, la estimación bayesiana y el método de bootstrap paramétrico. Se realizan estudios de simulación de Monte Carlo para examinar la eficiencia de los métodos en cuanto al error cuadrático medio, la probabilidad de cobertura y la longitud promedio. Finalmente, se presentan dos conjuntos de datos reales para demostrar la aplicabilidad del método propuesto.