Beta
348946

مقارنة بعض طرق تقدير معالم توزيع ويبل ذى المعلمتين باستخدام المحاكاة

Article

Last updated: 30 Dec 2024

Subjects

-

Tags

-

Abstract

يهـدف هذا البحث إلى تقدير  معلمتى ودالة موثوقية توزيع ويبل ذى المعلمتين بالاعتماد على أربعة طرق فى التقدير وهى الإمكان الأكبر Maximum Likelihood (MLE)، طريقة العزوم Method of Moments (MOM)، طريقة إنحدار الرتبة Rank Regression Method (RRM)، طريقة كثافة القوة Power Density Method (PDM)، بالإضافة إلى طريقة خامسة تتضمن اشتقاق صيغة لمقدر خليط Mixture Method (Mix) ناتج من اعتماد مقدر الإمكان الأكبر بنسبة (P) ومقدر العزوم بنسبة (1-P)، وتم استخدام أسلوب المحاكاة للمقارنة بين كل من طرق التقدير الخمسة للتوصل إلى أفضل طريقة لتقدير المعلمات ودالة الموثوقية، حيث تمت عملية المحاكاة بتوليد بيانات عشوائية تتبع توزيع ويبل بالاعتماد على ستة نماذج كالتالى: (β = 0.5 , 1, 1.5 , 2 , 2.5 , 3) ، (θ= 1 , 1 , 1.5 , 1.5 , 2 , 2) وعلى أحجام عينــات (n = 20 , 50, 75, 100, 120)، وتكرار كــل تجربــة (R = 1000)، وتمت المقارنة بين هذه الطرق باستخدام  كل من متوسط مربعات الخطأ (MSE) وخطأ التحيز المطلق للمتوسط (MABE)، وتوصل الباحث إلى أفضلية طريقة انحدار الرتبة Rank Regression Method (RRM) مقارنة بالطرق الأخرى، وفى الجانب التطبيقى تم حساب دالة الموثوقية ومعلمتى توزيع ويبل لبيانات حقيقية خاصة بفاقد محصول القمح فى مصر، وتوصل الباحث إلى أفضلية طريقة انحدار الرتبة (RRM) أيضًا. الكلمات المفتاحية:  

DOI

10.21608/jsec.2024.348946

Keywords

الموثوقية, توزيع ويبل ذى المعلمتين, طريقة الإمكان الأكبر, طريقة العزوم, طريقة الخليط, طريقة انحدار الرتبة, طريقة كثافة القوة, المحاكاة

Volume

54

Article Issue

1

Related Issue

47033

Issue Date

2024-04-01

Receive Date

2024-02-16

Publish Date

2024-04-01

Page Start

261

Page End

296

Print ISSN

2636-2562

Link

https://jsec.journals.ekb.eg/article_348946.html

Detail API

https://jsec.journals.ekb.eg/service?article_code=348946

Order

348,946

Publication Type

Journal

Publication Title

المجلة العلمية للإقتصاد و التجارة

Publication Link

https://jsec.journals.ekb.eg/

MainTitle

مقارنة بعض طرق تقدير معالم توزيع ويبل ذى المعلمتين باستخدام المحاكاة

Details

Type

Article

Created At

30 Dec 2024