The Conditional Estimation for related Weibull parameters Under Type-II Censoring

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 76

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJRRS-3-1_011

تاریخ نمایه سازی: 16 شهریور 1400

چکیده مقاله:

In this paper, the conditional estimation of the Weibull and its related parameters are introduced. Some interesting properties of this estimator in contrast with the well-known maximum likelihood estimators have been investigated. This task is done under the famous sampling plan type-ii censoring scheme. Because of the complex behavior in the calculation of the likelihood function of the presented scheme in this situation without loss of generality, this problem fixed with the Gumbel (log-Weibull) model. The one to one transformation between these models and satisfying in their parameters enabling us for utilizing this alternative model. Finally, the comparison of this method and maximum likelihood estimation are provided through some numerical results.

نویسندگان

Arezou Habibirad

Department of Statistics, Ferdowsi University of Mashhad, Mashhad, Iran

Jaber kazempoor

Department of Statistics, Ferdowsi University of Mashhad, Mashhad, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. Modarres, M. Kaminskiz, and V. Krivstov, Reliability Engineering andRisk ...
  • W. R. Blischke, M. D. N. Prabhakar, Case Studies in ...
  • P.Fahlstrom, T. Gleason, Introduction to UAV Systems, Wiley press, ۲۰۱۲ ...
  • G.W. Hanks, G.T. Katt, R.H. Edwards, R.D. Shannon, ۷۴۷ primary ...
  • Leigh P. Ackart, An evaluation of markov chain modeling for ...
  • M. Nanda and S. Rao, A Formal Method Approach to ...
  • M. Pourgl-Mohammad, K. Sepanloo, K. Karimi, Hybrid Fault Tree Markov ...
  • L. Xing and G. Levitin, BDD-based Reliability Evaluation of Phased-Mission ...
  • J. Mi, Y. Li, H. Huang, Y. Lio, X. Zhang, ...
  • J. Asghari, M. Pourgol-Mohammad, F. Salehpour, Improving Dynamic Fault Tree ...
  • C. Kanga, L. Zhonga, Z. Haijun, Research on probabilistic safety ...
  • R. Duan and J. Fan, Reliability evaluation of data communication ...
  • H. R. Garoarsdottir, Reliability Analysis of the RB-۲۱۱ Jet Engines ...
  • E. G. Okafor & I. H. Eze, Failure analysis of ...
  • H. Boudali, J.B. Dugan, a discrete-time Bayesian network reliability modelingand ...
  • K. Verma, A. Srividya, D. R. Karanki, Reliability and Safety ...
  • R. Duan, H. Zhou, J. Fan, Diagnosis strategy for complex ...
  • H. Boudali, J.B. Dugan, A New Bayesian Network Approach to ...
  • K. D. Rao, V. Gopika, V. V. S. S. Rao, ...