برآورد و پیش بینی برای توزیع لیندلی اصلاح شده بر اساس داده های رکوردی

در این مقاله، مساله برآوردیابی و پیش بینی برای توزیع لیندلی اصلاح شده بر اساس داده های رکوردی مورد مطالعه قرار می گیرند. برآوردیابی و پیش بینی برای توزیع لیندلی اصلاح شده بر اساس رویکردهای کلاسیک و بیزی می باشد. برآوردیابی و پیش بینی بیزی بر اساس تابع زیان متقارن مربع خطا و تابع زیان نامتقارن لاینکس صورت می پذیرد. از آن جایی که به نظر می رسد انتگرال های مرتبط با برآوردهای بیزی دارای فرم های بسته نیستند، از الگوریتم متروپلیس-هستینگز و تقریب لیندلی برای تقریب این انتگرال ها استفاده می شود.‎ یک مطالعه شبیه سازی و یک مثال کاربردی برای ارزیابی و مقایسه عملکرد روش های مختلف برآورد و پیش بینی ارائه می گردد. نتایج شبیه سازی بیانگر این موضوع هستند که برآوردگرهای بیز به دست آمده تحت توزیع پیشین آگاهی بخش بهتر از برآوردگرهای ماکسیمم درستنمایی و برآوردگرهای گشتاوری عمل می کند. همچنین، فواصل اطمینان بیزی کمترین میانگین طول فواصل اطمینان را نسبت به دیگر فواصل اطمینان دارند. ‎در ‎میان‎ پیش بینی کننده های بیزی و کلاسیک، پیش بینی کننده نااریب و پیش بینی کننده بیزی با توزیع پیشین آگاهی بخش به ترتیب عملکرد بهتری را نسبت به پیش بینی کننده های دیگر دارند. همچنین، فواصل پیش بینی ‎HCD ‎ و فواصل پیش بینی محوری به ترتیب کمترین میانگین طول فواصل پیش بینی را نسبت به فواصل پیش بینی بیزی دارا هستند

کلیدواژه ها:

توزیع لیندلی اصلاح شده ، داده های رکوردی ، برآورد ، پیش بینی ، الگوریتم متروپلیس-هستینگز ، تقریب لیندلی