Informacja

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

Wyszukujesz frazę "Khan, Sadaf" wg kryterium: Autor


Wyświetlanie 1-1 z 1
Tytuł:
Bayesian estimation of a geometric distribution using informative priors based on a Type-I censoring scheme
Autorzy:
Akhtar, Nadeem
Khan, Sajjad Ahamad
Amin, Muhammad
Khan, Akbar Ali
Ali, Amjad
Manzoor, Sadaf
Powiązania:
https://bibliotekanauki.pl/articles/20311948.pdf
Data publikacji:
2023-06-13
Wydawca:
Główny Urząd Statystyczny
Tematy:
prior distribution
posterior distribution
geometric distribution
beta distribution
Kumraswamy distribution
Opis:
In this paper, the geometric distribution parameter is estimated under a type-I censoring scheme by means of the Bayesian estimation approach. The Beta and Kumaraswamy informative priors, as well as five loss functions are used for this purpose. Expressions of Bayes estimators and Bayes risks are derived under the Squared Error Loss Function (SELF), the Quadratic Loss Function (QLF), the Precautionary Loss Function (PLF), the Simple Asymmetric Precautionary Loss Function (SAPLF), and the DeGroot Loss Function (DLF) using the two aforementioned priors. The prior densities are obtained through prior predictive distributions. Simulation studies are carried out to make comparisons using Bayes risks. Finally, a real-life data example is used to verify the model’s efficiency.
Źródło:
Statistics in Transition new series; 2023, 24, 3; 257-263
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    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