Los métodos e-bayesianos para el parámetro de tasa de distribución inversa de Weibull basados en dos tipos de funciones de pérdida por error
Autores: Okasha, Hassan M.; Basheer, Abdulkareem M.; Lio, Yuhlong
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Los métodos e-bayesianos para el parámetro de tasa de distribución inversa de Weibull basados en dos tipos de funciones de pérdida por error
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Bayesiano
Estimadores
Distribuciones conjuntas
Distribución de Weibull
Funciones de pérdida de error
Simulación de Monte Carlo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Dado una muestra, se desarrollan estimaciones E-Bayesianas, que son los estimadores Bayesianos esperados sobre las distribuciones conjuntas de dos hiperparámetros en la distribución previa, para el parámetro de tasa de la distribución Weibull inversa bajo las funciones de pérdida de error escalado al cuadrado y exponencial lineal, respectivamente. Se derivan los errores cuadráticos medios esperados correspondientes, EMSEs, de los estimadores E-Bayesianos basados en la muestra. Además, se establecen las propiedades teóricas de los EMSEs. Se realiza un estudio de simulación de Monte Carlo para la comparación de rendimiento. Finalmente, se proporcionan tres conjuntos de datos para ilustración.
Descripción
Dado una muestra, se desarrollan estimaciones E-Bayesianas, que son los estimadores Bayesianos esperados sobre las distribuciones conjuntas de dos hiperparámetros en la distribución previa, para el parámetro de tasa de la distribución Weibull inversa bajo las funciones de pérdida de error escalado al cuadrado y exponencial lineal, respectivamente. Se derivan los errores cuadráticos medios esperados correspondientes, EMSEs, de los estimadores E-Bayesianos basados en la muestra. Además, se establecen las propiedades teóricas de los EMSEs. Se realiza un estudio de simulación de Monte Carlo para la comparación de rendimiento. Finalmente, se proporcionan tres conjuntos de datos para ilustración.