برآورديابي بيز انقباضي پارامتر مقياس توزيع نمايي دو پارامتري مبتني بر داده‌هاي سانسور نوع دوم فزاينده و تابع زيان آنتروپي تعميم يافته

Shrinkage Bayesian Estimator for the Scale Parameter of the Two Parameter Exponential Distribution under Progressive Censored Type-II Data and Generalized Entropy Loss Function

هدف اصلي ما در اين مقاله تحليل برآوردگرهاي بيز انقباضي پارامتر مقياس توزيع نمايي دوپارامتري تحت تابع زيان آنتروپي تعميم يافته بر اساس توزيع پيشين مزدوج و داده‌هاي سانسورشده نوع دوم فزاينده در حضور پارامتر مكان مي‌باشد. به همين منظور در اين مقاله ابتدا برآوردگر انقباضي پارامتر مقياس را بر اساس برآوردگر بيزي كه تحت تابع زيان تعميم يافته آنتروپي و توزيع پيشين مزدوج به دست آمده ارائه داده و سپس كارايي برآوردگر پيشنهادي را با ساير برآوردگرها مثل، برآوردگر درستنمايي ماكزيمم ، برآوردگر بيز، برآوردگر بيز تجربي و برآوردگر بيز انقباضي تجربي مورد بررسي قرار مي‌دهيم. روشي كه ما در اين مقاله براي بدست آوردن برآوردگر بيز تجربي و برآوردگر بيز انقباضي تجربي استفاده شده، روش حدسي است. با استفاده از شش طرح مختلف و داده‌هاي شبيه-سازي شده و توزيع‌هاي پيشين جفري و هارتيگان، كارايي برآوردگرهاي پيشنهادي با هم مقايسه مي‌شوند، نهايتا با استفاده از داده‌هاي واقعي كارايي برآوردگرهاي پيشنهادي مورد بررسي قرار مي‌گيرد.

Our main objective in this paper is to analyze Bayesian Shrinkage Estimators of the parameter of two-parameter Exponential Distribution Scale under General Entropy Loss Function based on the prior conjugate distribution and Progressive Type-II Censored Data in the presence of the location parameter. To this end, in the present paper, firstly, we present Shrinkage Estimator of scale parameter based on the Bayesian estimator that obtained under General Entropy Loss Function, and prior conjugate distribution, and then investigate the efficiency of the proposed estimator with other estimators, such as maximum likelihood estimator, Bayes estimator, empirical Bayesian estimator, and empirical Bayesian Shrinkage Estimator. The method used in this paper to compute empirical Bayesian estimator, and empirical Bayesian Shrinkage Estimator is guessing. Using simulated data based on Monte Carlos’ method, under six censorship schemes and with two prior distributions of Jeffrey and Hartigan, the effectiveness of estimators is compared. Finally, using actual data, the efficiency of the proposed estimators will be examined.