Resumen

Este artculo estudia la estimacin E-Bayesiana del parmetro desconocido de la distribucin de Lomax basada en la censura hbrida generalizada Tipo-I. Bajo las funciones de prdida de error cuadrado y prdida LINEX, obtenemos la estimacin E-Bayesiana y comparamos su efectividad con la estimacin Bayesiana. Para medir el error de la estimacin E-Bayesiana, se introduce la expectativa de error cuadrtico medio (E-MSE). Con la tecnologa Markov chain Monte Carlo, se calculan las estimaciones e-bayesianas. En el proceso se aplica el algoritmo MetropolisHastings. Del mismo modo, se calcula el intervalo creble para el parmetro. A continuacin, podemos comparar el MSE y el E-MSE para evaluar qu resultado es ms eficaz. A efectos de ilustracin en conjuntos de datos reales, se presentan casos de muestras censuradas hbridas generalizadas de tipo I. Para juzgar si los datos de la muestra pueden ajustarse directamente a la distribucin de Lomax, adoptamos las pruebas de Kolmogorov-Smirnov para la evaluacin. Por ltimo, podemos llegar a la conclusin tras comparar los resultados de la estimacin e-bayesiana y bayesiana.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Estimación ebayesiana; Parámetro desconocido; Distribución de lomax; Censura híbrida generalizada de tipo i; Pérdida por error cuadrado; Funciones de pérdida linex.
• Keywords:Ebayesian estimation; Unknown parameter; Lomax distribution; Generalized type-i hybrid censoring; Square error loss; Linex loss functions