Parameter estimation for reduced Type-I Heavy-Tailed Weibull distribution under progressive Type-II censoring scheme
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Reduced Type-I heavy-tailed Weibull (RTI-HTW) distribution is a particular case of the Type-I heavy-tailed family of distributions. This article has studied the properties, inference and real-life applications of RTI-HTW distribution. Firstly, properties such as quantile function, moment-generating function, stress–strength reliability, measure of uncertainty, and mean residual life have been discussed. Further, the inference of RTI-HTW distribution has been discussed under classical and Bayesian frameworks. We have studied the point and interval estimations of model parameters under the progressive Type-II censoring scheme. Four point estimation methods have been used to find the point estimates, such as maximum likelihood estimate (MLE), improved MLE, and Bayesian estimates under informative and kernel priors. Additionally, the approximate confidence interval has been calculated using MLEs, whereas the credible interval has been derived using the Bayesian estimates under informative prior. A Monte Carlo simulation study has been discussed to compare the results of all methods. To illustrate the practical applicability of the proposed model and methodologies, we have analyzed two real-world data sets: the mortality rate of COVID-19 patients in Canada and the infant mortality rate in China. Numerical results demonstrate that the proposed model provides a good fit for both data sets, and the estimation methods discussed are effective and satisfactory.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle