Pruebas de bondad de ajuste para la distribución generalizada cuasi-Lindley ponderada utilizando MAM y MRM con aplicaciones a datos reales
Autores: Benchiha, SidAhmed; Al-Omari, Amer Ibrahim; Alomani, Ghadah
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Pruebas de bondad de ajuste para la distribución generalizada cuasi-Lindley ponderada utilizando MAM y MRM con aplicaciones a datos reales
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Distribución ponderada generalizada cuasi-Lindley
Pruebas de bondad de ajuste
Muestreo de conjuntos clasificados
Entropía de la muestra
Valores críticos
Poder
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
Este trabajo aborda el problema de las pruebas de bondad de ajuste (GFTs) para la distribución cuasi-Lindley generalizada ponderada (WGQLD) utilizando muestreo por conjuntos clasificados (RSS) y muestreo aleatorio simple (SRS) técnicas. Las pruebas se basan en la función de distribución empírica y la entropía de la muestra. Estas pruebas incluyen las pruebas de Kullback-Leibler, Kolmogorov-Smirnov, Anderson-Darling, Cramér-von Mises, Zhang, Liao y Shimokawa, y Watson. Los valores críticos (CV) y la potencia de cada prueba se obtienen en base a un estudio de simulación utilizando métodos de SRS y RSS considerando varios tamaños de muestra y alternativas. Se utiliza un conjunto de datos de lluvia para investigar la efectividad de las GFTs sugeridas. Basado en el mismo número de unidades medidas para las diversas alternativas consideradas en este estudio, se descubre que las pruebas de RSS son más efectivas que las de sus rivales en SRS. Además, a medida que aumenta el tamaño del conjunto, aumenta la potencia de las GFTs.
Descripción
Este trabajo aborda el problema de las pruebas de bondad de ajuste (GFTs) para la distribución cuasi-Lindley generalizada ponderada (WGQLD) utilizando muestreo por conjuntos clasificados (RSS) y muestreo aleatorio simple (SRS) técnicas. Las pruebas se basan en la función de distribución empírica y la entropía de la muestra. Estas pruebas incluyen las pruebas de Kullback-Leibler, Kolmogorov-Smirnov, Anderson-Darling, Cramér-von Mises, Zhang, Liao y Shimokawa, y Watson. Los valores críticos (CV) y la potencia de cada prueba se obtienen en base a un estudio de simulación utilizando métodos de SRS y RSS considerando varios tamaños de muestra y alternativas. Se utiliza un conjunto de datos de lluvia para investigar la efectividad de las GFTs sugeridas. Basado en el mismo número de unidades medidas para las diversas alternativas consideradas en este estudio, se descubre que las pruebas de RSS son más efectivas que las de sus rivales en SRS. Además, a medida que aumenta el tamaño del conjunto, aumenta la potencia de las GFTs.