Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "LINEX loss" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Bayes optimal stopping of a homogeneous poisson process under linex loss function and variation in the prior
    Autorzy:
    Męczarski, Marek
    Zieliński, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/1339171.pdf
    Data publikacji:
    1997
    Wydawca:
    Polska Akademia Nauk. Instytut Matematyczny PAN
    Tematy:
    prior distribution uncertainty
    homogeneous Poisson process
    LINEX loss function
    Opis:
    A homogeneous Poisson process (N(t),t ≥ 0) with the intensity function m(t)=θ is observed on the interval [0,T]. The problem consists in estimating θ with balancing the LINEX loss due to an error of estimation and the cost of sampling which depends linearly on T. The optimal T is given when the prior distribution of θ is not uniquely specified.
    Źródło:
    Applicationes Mathematicae; 1996-1997, 24, 4; 457-463
    1233-7234
    Pojawia się w:
    Applicationes Mathematicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A Bayesian estimation of the Gini index and the Bonferroni index for the Dagum distribution with the application of different priors
    Autorzy:
    Arora, Sangeeta
    Mahajan, Kalpana K.
    Jangra, Vikas
    Powiązania:
    https://bibliotekanauki.pl/articles/2107043.pdf
    Data publikacji:
    2022-06-14
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    Inequality measures
    Bayes estimator
    credible interval
    LINEX loss function
    Opis:
    Bayesian estimators and highest posterior density credible intervals are obtained for two popular inequality measures, viz. the Gini index and the Bonferroni index in the case of the Dagum distribution. The study considers informative and non-informative priors, i.e. the Mukherjee-Islam prior and the extension of Jeffrey’s prior, respectively, under the presumption of the Linear Exponential (LINEX) loss function. A Monte Carlo simulation study is carried out in order to obtain the relative efficiency of both the Gini and Bonferroni indices while taking into consideration different priors and loss functions. The estimated loss proves lower when using the Mukherjee-Islam prior in comparison to the extension of Jeffrey’s prior and the LINEX loss function outperforms the squared error loss function (SELF) in terms of the estimated loss. Highest posterior density credible intervals are also obtained for both these measures. The study used real-life data sets for illustration purposes.
    Źródło:
    Statistics in Transition new series; 2022, 23, 2; 49-68
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bayesian and Non Bayesian Method of Estimation of Scale Parameter of Gamma Distribution under Symmetric and Asymmetric Loss Functions
    Autorzy:
    Gupta, Isha
    Gupta, Rahul
    Powiązania:
    https://bibliotekanauki.pl/articles/1177726.pdf
    Data publikacji:
    2018
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    Bayes Estimator
    Linex Loss Function
    Precautionary Loss Function
    Risk Function
    Squared Error Loss Function
    Opis:
    In this investigation, we consider Bayesian and Non-Bayesian estimation problems of unknown scale parameter of Gamma distribution assuming the shape parameter as known and derive Bayes and Classical (Non-Bayes) estimators of the scale parameter. Bayes estimators are obtained under symmetric (squared error) and asymmetric (linex and precautionary) loss functions using a non-informative prior. The risk efficiency of Bayes estimators is also obtained under these loss functions. Finally, the simulation study is done to compare the performance of these estimators using MATLAB software.
    Źródło:
    World Scientific News; 2018, 101; 172-191
    2392-2192
    Pojawia się w:
    World Scientific News
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Robust Bayesian Prediction with Asymmetric Loss Function in Poisson Model of Insurance Risk
    Odporna predykcja bayesowska przy asymetrycznej funkcji straty w modelu Poissona dla ryzyka ubezpieczeniowego
    Autorzy:
    Boratyńska, Agata
    Powiązania:
    https://bibliotekanauki.pl/articles/905699.pdf
    Data publikacji:
    2006
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Bayesian prediction
    Bayesian robustness
    LINEX loss
    family of priors
    collective risk model
    Opis:
    In robust Bayesian analysis a prior is assumed to belong to a family instead of being specified exactly. The multiplicity of priors leads to a collection of Bayes actions. It is clearly essential to be able to recommend one action (estimate, predictor) from this set. We consider the problem of robust Bayesian prediction of a Poisson random variable under LINEX loss. Some uncertainty about the prior is assumed by introducing three classes of conjugate priors. The conditional Г-minimax predictors and posterior regret Г-minimax predictors are constructed. The application to the collective risk model is presented.
    W odpornej analizie bayesowskiej rozkład a priori nie jest dokładnie wyznaczony, ale należy do pewnej rodziny Г rozkładów a priori. Przy takim założeniu otrzymujemy również rodzinę decyzji bayesowskich. Celem jest natomiast wybór jednej reguły „optymalnej”. W artykule rozważany jest problem odpornej predykcji bayesowskiej zmiennej losowej o rozkładzie Poissona przy lunkcji straty LINEX. Niedokładność w wyznaczeniu rozkładu a priori modeluje się za pomocą trzech rodzin rozkładów a priori. Wyznaczamy predyktor warunkowo Г-minimaksowy i predyktor o Г-minimaksowej utracie a posteriori. Podajemy zastosowania w kolektywnym modelu ryzyka.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2006, 196
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Interval shrinkage estimation of the parameter of exponential distribution in the presence of outliers under loss functions
    Autorzy:
    Nasiri, Parviz
    Powiązania:
    https://bibliotekanauki.pl/articles/2108120.pdf
    Data publikacji:
    2022-09-14
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    interval information
    mean square error
    shrinkage estimator
    exponential distribution
    uniform distribution
    outliers
    Linex loss function
    Opis:
    In this paper, we studied estimators based on an interval shrinkage with equal weights point shrinkage estimators for all individual target points θ¯ ∈ (θ0, θ1) for exponentially distributed observations in the presence of outliers drawn from a uniform distribution. Estimators obtained from both shrinkage and interval shrinkage were compared, showing that the estimators obtained via the interval shrinkage method perform better. Symmetric and asymmetric loss functions were also used to calculate the estimators. Finally, a numerical study and illustrative examples were provided to describe the results.
    Źródło:
    Statistics in Transition new series; 2022, 23, 3; 65-78
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies