研究文章|开放获取
Radhey s辛格Narinder库马尔, ”低概率置信界限的正确选择”,概率论与数理统计》杂志上我>, 卷。2011年, 文章的ID765058年, 11 页面, 2011年。 https://doi.org/10.1155/2011/765058
低概率置信界限的正确选择
文摘
我们扩展的结果古普塔和梁(1998),位置参数的推导,获得较低的信心为正确选择的概率范围最好的人群同时对所有一般尺度参数模型的是人口的数量参与选择的问题。应用指数和正态概率模型的结果进行了讨论。同步的实现降低信心界限说明通过真实数据集。
1。介绍
人口特点是一个未知的尺度参数,。让是一个适当的统计基于随机样本的大小从人口的概率密度函数(pdf)与相应的累积分布函数(cdf),,,。pdf是一个任意的连续运作。我们的要求值的年代,是用和,分别。让统计有一个尺度参数。让表示相关的人口,th最小的的年代。与其他人口或样本数量将用下标吗连接到它。中,我们假设没有先验知识的是,这是未知的。调用数量随着最好的人群。
在实践中,兴趣是选择数量相关,即人口最大的未知参数。为此,自然选择法则”选择相对应的数量最大的,即随着使用最好的人群”。然而,有可能选择数量根据自然选择法则可能不是最好的。因此,自然出现的问题是:什么样的信心声明可以对这些选择的结果?出于这一点,我们努力回答这个问题。
让(一个正确的选择最好的人群)表示的事件最好的数量实际上是选择。然后,正确选择的概率最好的数量()是: 在哪里和。
为数量不同的位置参数古普塔和梁,<一个href="#B3">1一个>)提供了一个新奇的想法来构造边界的同时降低信心对所有。他们的结果是应用的选择正常人群的最好方式。其他引用位置设置,可以参考论文引用。
其他相关的引用,可以参考Gupta et al。<一个href="#B2">2一个>],古普塔和Panchpakesan [<一个href="#B4">3一个>],Mukhopadhyay和Solanky [<一个href="#B10">4一个>),评审论文古普塔和Panchapakesan [<一个href="#B5">5一个>,<一个href="#B6">6一个>),Khamnei和库马尔<一个href="#B8">7一个>),引用文献。
在本文中,我们使用的方法和结果古普塔和梁<一个href="#B3">1一个>)获得同时降低信心界限的pct对所有一般尺度参数模型。部分<一个href="#sec2">2一个>处理获得这样的间隔。结果的应用指数和正态概率模型讨论了部分<一个href="#sec3">3一个>。在指数分布的情况下,也被认为是二型审查数据。节<一个href="#sec4">4一个>,我们已经给出了一些数值例子,基于真实数据集,说明发现的过程同时降低信心为正确选择的概率范围最好的数量()。
2。同时降低信心界限
大部分的结果在这一节中所获得的结果作为一个简单的后果古普塔和梁<一个href="#B3">1一个>]。
从(<一个href="#EEq1.1a">1.1一个>),可以表示为 在每个, 在哪里为;为和为。在这里,如果。请注意,对于每个),是在增加,减少和,分别。因此,如果我们发展同时降低信心界限,和上信心界限和,,,对所有那么,同时降低信心界限对所有可以建立。
而且,从(<一个href="#EEq1.1a">1.1 b一个>),可以表示为 在每个, 和为;为;和为。请注意,对于每个,是在增加,,减少,分别。因此,如果同时降低信心界限和,,,和上信心界限,可以获得,之后,通过使用(<一个href="#EEq2.3">2.3一个>)和(<一个href="#EEq2.4">2.4一个>),我们可以获得同时降低边界的信心对所有。
我们使用的结果古普塔和梁<一个href="#B3">1一个>)构建同时降低信心界限,,,和上信心界限,,对所有。
为每一个,让是这样的价值 注意,因为有一个分布函数,的价值,是独立的参数。让 在哪里和。
引理2.1。(一),因此,我>
<我>(b)对所有。我>
证明。我>下面的代码行(a)部分引理2.1古普塔和梁<一个href="#B3">1一个>),作为和为,我们有和。因此,。
部分(b)遵循立即从部分(a)和(<一个href="#EEq2.5">2.5一个>)。
为每一个和,让
同时,对于每一个和,让
下面的引理引理的直接结果<一个href="#lem2.1">2.1一个>。
引理2.2。的概率至少,以下(A1)和(A2)同时举行。我>
<我>(A1)和每个,我>
(A2)和每个,我>
现在,对于每个和每个,定义我>
对于每个,定义我>
同时,对于每一个和每个,定义我>
定义我>
作者提出较低的估计绑定的信心为每一个。作者有以下定理。我>
定理2.3。 对所有对所有。我>
证明。我>请注意,是在增加和减少和。同时,是在增加,和减少。然后,通过使用(<一个href="#EEq2.2">2.2一个>),(<一个href="#EEq2.4">2.4一个>),(<一个href="#EEq2.8">2.11一个>),(<一个href="#EEq2.10">2.13一个>),引理<一个href="#lem2.2">2.2一个>,我们有 然后,通过(<一个href="#EEq2.1">2.1一个>),(<一个href="#EEq2.3">2.3一个>),(<一个href="#EEq2.9">2.12一个>),(<一个href="#EEq2.11">2.14一个>)和(<一个href="#EEq2.13">2.16一个>),我们有 这证明了定理。
3所示。应用指数和正态分布
3.1。指数分布
(我)完整的数据我>
让,表示随机样本的大小从两个参数指数人口在pdf,。让和。在这里,是一个充分统计量,。有一个标准伽马分布形状参数,。然后,基于统计数据通过自然选择法则,相关的电脑t是
在哪里
和是标准化的伽马分布的分布函数形状参数。
为每一个,让是分位数的Z定义为随机变量的分布的极端商独立同分布随机变量。
鉴于的价值可以从表获得哈特利的比率与自由度指的是皮尔森和哈特利(<一个href="#B11">8一个>]。
为每一个和每个,让 对于每个和每个,让 在哪里,,被定义为(<一个href="#EEq2.6">2.7一个>),,,定义在(<一个href="#EEq2.7">2.8一个>),选择从皮尔森和哈特利的表。
为每一个,让 然后,通过定理<一个href="#thm2.1">2.3一个>,我们可以得出以下。
定理3.1。 对所有对所有。我>
(2)ⅱ型审查数据我>
从每个人口,,我们的样本物品。让表示顺序统计量表示失败的时候物品从人口,。让是一个固定的整数,这样。二型审查下,放在第一位从每个人口失败观察到的。人口的观察停止后观察。的项目的失败时期是不明显的成为审查的观察。二型审查被调查爱泼斯坦和索贝尔(<一个href="#B1">9一个>]。的充分统计量位置参数已知时,
被称为总时间测试(TTOT)统计。很容易验证有标准伽马分布形状参数。再次,完整的数据结果可以应用简单的通过。
3.2。正态分布
让表示的正态总体的意思和方差(未知的),。的充分统计量基于随机样本的大小从是,在那里,。它可以证实是一个标准化的γ和形状参数变量吗,。再一次的,上面的结果可以用指数分布。
说明同步的实现低信心范围正确选择的概率最好的数量(),我们考虑下面的例子。
4所示。例子
例4.1。我>山等。<一个href="#B7">10一个>)认为数据不实用的肺癌患者生存的日子,那些受到测试化学治疗剂。患者分为以下四个类别取决于肿瘤的组织学类型:鳞状,小,腺病毒,大的用,,,,在本文中,分别。数据是一个收集的数据集的一部分在美国退伍军人管理肺癌研究小组。
我们考虑一个随机样本的11从每组生存时间,表中给出<一个href="//www.newsama.com/journals/jps/2011/765058/tab1/" target="_blank">1一个>。
使用标准的结果的可靠性(指无法无天的<一个href="#B9">11一个>),一个可以检查表的两个参数指数模型的有效性<一个href="//www.newsama.com/journals/jps/2011/765058/tab1/" target="_blank">1一个>。在这个例子中,较大的人口生存时间(即。大Y我的)是可取的。
对于表<一个href="//www.newsama.com/journals/jps/2011/765058/tab1/" target="_blank">1一个>数据集:
因此,根据自然选择法则,人群,被选中的()最好的人群,、人口最大的存活时间是最好的;为,人口和两个最大的生存是最好的;和,人口,,,有三个最大的生存时间是最好的。然而,我,年代可能选择数量根据自然选择法则可能不是最好的。因此,我们希望找到一个信心的声明,可以正确选择的概率最好的数量(同时为所有)。
在这里,,,通过的表,我们得到,皮尔森和哈特利(<一个href="#B11">8一个>),。
然后,和上述数据集计算使用(<一个href="#EEq3.6">3.5一个>)表<一个href="//www.newsama.com/journals/jps/2011/765058/tab2/" target="_blank">2一个>。从表<一个href="//www.newsama.com/journals/jps/2011/765058/tab2/" target="_blank">2一个>,我们有,至少95%置信系数,同时,,,。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||
例4.2。我>纳尔逊(<一个href="#B13">12一个>]认为数据代表倍崩溃在几分钟内受到高电压绝缘液体的压力。《纽约时报》在其观察到的订单被分成三组。分析数据之后,它遵循一个指数分布。我们考虑以下数据基于随机样本的大小11每三组,观察表<一个href="//www.newsama.com/journals/jps/2011/765058/tab4/" target="_blank">4一个>。
上面的数据集:
因此,根据自然选择法则,人群,被选中的()最好的人群,、人口最大的存活时间是最好的;和,人口和的两个最大生存时间是最好的。然而,有可能选择数量根据自然选择法则可能不是最好的。因此,我们希望找到一个信心的声明,可以正确选择的概率最好的数量(同时为所有)。
在这里,,,通过的表,我们得到,皮尔森和哈特利(<一个href="#B11">8一个>),。
然后,和上述数据集计算使用(<一个href="#EEq3.6">3.5一个>)表<一个href="//www.newsama.com/journals/jps/2011/765058/tab3/" target="_blank">3一个>。
从表<一个href="//www.newsama.com/journals/jps/2011/765058/tab3/" target="_blank">3一个>,我们有,至少95%置信系数,同时,和。
|
|||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
例4.3。我>Proschan [<一个href="#B12">13一个>)考虑故障之间的间隔的数据(以小时为单位)的空调系统13的波音720喷气式飞机。分析数据后,他发现空调系统的故障分布的飞机很近似指数。我们考虑以下数据基于四个随机样本的大小7,和观测样本中提到的表<一个href="//www.newsama.com/journals/jps/2011/765058/tab5/" target="_blank">5一个>。
上面的数据集:
因此,根据自然选择法则,人群,被选中的()最好的人群。
在这里,,而且,通过的表,我们得到,皮尔森和哈特利(<一个href="#B11">8一个>),。
继续行类似的例子<一个href="#ex4.1">4所示。1一个>和<一个href="#ex4.2">4所示。2一个>,我们有,至少99%置信系数,同时,,,。
|
||||||||||||||||||||||||||||||||||||||||||||||||
确认
作者感谢主编,副主编,一个匿名裁判对他们有用的评论导致本文的改进。
引用
- 古普塔和t梁,”同时降低概率置信界限的正确选择,”<我>杂志的统计规划和推理我>,卷72,不。1 - 2、279 - 290年,1998页。视图:<一个href="https://doi.org/10.1016/S0378-3758(98)00037-8">出版商的网站一个>|谷歌学术搜索一个>
- 古普塔轮即Olkin, m·索贝尔<我>选择和订购数量:一个新的统计方法我>约翰·威利& Sons,纽约,纽约,美国,1977年。
- 美国古普塔和s . Panchapakesan<我>多个决策过程:理论和方法的选择和排名我>约翰•威利& Sons 1979。
- n . Mukhopadhyay和t . k . s . Solanky<我>多级选择和排序过程我>马塞尔•德克尔,卷。142年,纽约,纽约,美国,1994年。
- 古普塔和s . Panchapakesan”子集选择过程:审查和评估,”<我>美国数学和管理科学杂志》上我>,5卷,不。3 - 4、235 - 311年,1985页。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Subset%20selection%20procedures:%20review%20and%20assessment&author=S. S. Gupta &author=S. Panchapakesan&publication_year=1985" target="_blank">谷歌学术搜索一个>
- 古普塔和s . Panchpakesan”实验设计与选择和排名的目标,”<我>统计手册我>卷。13日,爱思唯尔科学,阿姆斯特丹,荷兰,1995年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Design%20of%20experiments%20with%20selection%20and%20ranking%20goals&author=S. S. Gupta &author=S. Panchpakesan&publication_year=1995" target="_blank">谷歌学术搜索一个>
- h·j·Khamnei和n . Kumar“改进的信心为正确选择的概率范围:尺度参数的情况下,“<我>密特隆我>卷,57号3 - 4、147 - 167年,1999页。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Improved%20confidence%20bounds%20for%20the%20probability%20of%20correct%20selection:%20the%20scale%20parameter%20case&author=H. J. Khamnei &author=N. Kumar&publication_year=1999" target="_blank">谷歌学术搜索一个>
- e·s·皮尔森和h·o·哈特利,<我>生物统计学表进行统计。卷,我我>英国伦敦剑桥大学出版社,1954年。
- b·爱普斯坦·m·索贝尔,“生活”测试,<我>美国统计协会杂志》上我>48卷,第502 - 486页,1953年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Life%20testing&author=B. Epstein &author=M. Sobel&publication_year=1953" target="_blank">谷歌学术搜索一个>
- n·j·希尔,a . r . Padmanabhan和马丹l·普里“自适应非参数程序和应用程序,”<我>英国皇家统计学会杂志》上。C系列我>,37卷,不。2、205 - 218年,1988页。视图:<一个href="https://doi.org/10.2307/2347340">出版商的网站一个>|谷歌学术搜索一个>
- j . f .无法无天<我>寿命数据的统计模型和方法我>约翰·威利& Sons,纽约,纽约,美国,1982年。
- w·纳尔逊<我>生活应用数据分析我>约翰·威利& Sons,纽约,纽约,美国,1982年。
- f . Proschan“降低故障率的观察值的理论解释,”<我>技术计量学我>5卷,第383 - 375页,1963年。视图:<一个href="https://scholar.google.com/scholar_lookup?title=Theoretical%20explanation%20of%20observed%20decreasing%20failure%20rate&author=F. Proschan&publication_year=1963" target="_blank">谷歌学术搜索一个>
版权
版权©2011 Radhey s·辛格和Narinder Kumar。这是一个开放的分布式下文章<一个rel="license" href="http://creativecommons.org/licenses/by/3.0/">知识共享归属许可一个>,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。