In this
paper, we consider the stress-strength reliability for record data when the distribution of
random stress and strength have the type I extreme-value distribution.
First, classical inference methods, namely uniformly minimum variance unbiased
estimate (UMVUE) and maximum likelihood estimate (MLE), are used for . Second,
Bayesian inference of are considered for gamma priors assumption.
When the common parameter of stress and strength variables is known, the exact
Bayes estimate and Bayesian credible interval of are obtained. Markov Chain Monte Carlo (MCMC)
method are used to derive the Bayes estimate and highest probability density
(HPD) credible interval of when the common parameter is unknown. Finally,
Monte Carlo simulations are performed to compare the performance of the
obtained estimates. A real data set about the weather temperature is analyzed
to illustrate the performances of the derived estimators in the paper.
Bu çalışmada, stres Y ve dayanıklılık X rastgele
değişkenleri I. Tip uçdeğer dağılımına sahip olduğunda rekor değerler için
stres dayanıklılık modelinin güvenilirliği ele alınmıştır. İlk olarak için klasik
yaklaşım yani değişmez en küçük varyanslı yansz minimum varyans tahmin edici ve
en çok olabilirlik tahmin edicisi kullanılmıştır. Sonra, önsellerin gamma
dağılımına sahip olması varsayımı altın için Bayes
yaklaşımı ele alınmıştır. Stres ve dayanıklılık değişkenlerinin ortak
parametresi biliniyorken, nin kesin Bayes
tahmin edicisi ve Bayes güven aralığı elde edilmiştir. Stres ve dayanıklılık
değişkenlerinin ortak parametresi bilinmiyorken, ’nin Bayes tahmin edicisi ve en yüksek olasılık
yoğunluklu Bayes güven aralığı Markov Zinciri Monte Carlo (MCMC) metodu ile
elde edilmiştir. Son olarak elde edilen tahmin edicilerin performanslarını
karşılaştırmak için Monte Carlo simülasyonu gerçekleştirildi. Elde edilen
tahmin edicilerin performanslarını göstermek için hava sıcaklıkları ile ilgili
gerçek veri seti analiz edilmiştir.
Primary Language | English |
---|---|
Journal Section | Research Articles |
Authors | |
Publication Date | September 1, 2019 |
Published in Issue | Year 2019 Volume: 31 Issue: 3 |