การศึกษาเปรียบเทียบการประมาณพารามิเตอร์จากข้อมูลที่ถูกเซ็นเซอร์แบบช่วง

A comparative study on parameter estimation from interval-censored data

Name: ศศิประภา โมรากุล

ThaSH: การประมาณค่าพารามิเตอร์

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบการประมาณค่าพารามิเตอร์ของการแจกแจงจากข้อมูลที่ถูกเซ็นเซอร์แบบช่วง โดยวิธีภาวะน่าเป็นสูงสุดและวิธีประมาณแบบใช้กราฟ และศึกษาการปรับค่าเอนเอียงของวิธีประมาณแบบใช้กราฟ ในการเปรียบเทียบการประมาณวิธีภาวะน่าจะเป็นสูงสุดและวิธีประมาณแบบ ใช้กราฟ พบว่า เมื่อแบ่งข้อมูลออกเป็นช่วงด้วยการกำหนดจุดเวลาในการสังเกต พบว่าโดยรวมวิธีภาวะน่าจะเป็นสูงสุดมีประสิทธิภาพดีกว่าวิธีประมาณแบบใช้กราฟเมื่อข้อมูลมีการแจกแจงแบบล็อกนอร์มอล,การแจกแจงแบบล็อกโลจิสติก และวิธีประมาณแบบใช้กราฟดีกว่าวิธีภาวะน่าจะเป็นสูงสุดเมื่อข้อมูลมีการแจกแจงแบบไวบูลล์ที่ shape parameter ในทุกขนาดตัวอย่าง และที่ shape parameter หรือ เมื่อขนาดตัวอย่างเล็ก และเมื่อแบ่งข้อมูลออกเป็นช่วงด้วยการกำหนดเปอร์เซ็นต์การเซ็นเซอร์ของข้อมูล พบว่าโดยรวมวิธีภาวะน่าจะเป็นสูงสุดมีประสิทธิภาพดีกว่าวิธีประมาณแบบใช้กราฟเมื่อข้อมูลมีการแจกแจงแบบล็อกนอร์มอล,การแจกแจงแบบล็อกโลจิสติก และการแจกแจงแบบไวบูลล์ที่ shape parameter และวิธีประมาณแบบใช้กราฟดีกว่าวิธีภาวะน่าจะเป็นสูงสุดเมื่อข้อมูลมีการแจกแจงแบบไวบูลล์ที่ shape parameter หรือ เมื่อตัวอย่างมีขนาดเล็ก ในการปรับค่าเอนเอียงของวิธีแบบใช้กราฟ สำหรับข้อมูลที่มีการแจกแจงแบบล็อกนอร์มอล,การแจกแจงแบบล็อกโลจิสติกและการแจกแจงแบบไวบูลล์ พบว่าวิธีแบบใช้กราฟที่ปรับค่าเอนเอียงจะมีประสิทธิภาพดีกว่าวิธีแบบใช้กราฟเมื่อตัวอย่างมีขนาดเล็ก และประสิทธิภาพเข้าใกล้กันเมื่อตัวอย่างมีขนาดใหญ่ขึ้น

Abstract: The objective of this study is to compare parameter estimations from interval-censored data. The parameter estimation methods are maximum likelihood estimation (MLE) and graphical estimation (GE). Moreover, we also study bias correction method for graphical estimation. In case of fixed observed time, MLE is more efficient than GE for lognormal distribution and loglogistic distribution. GE is more efficient than MLE for weibull distribution, when the shape parameter is equal to 1 or the sample size is small with the shape parameter or . In case of fixed censoring rate, MLE is more efficient than GE for lognormal distribution, loglogistic distribution and weibull distribution, when the shape parameter . GE is more efficient than MLE for weibull distribution when the shape parameter or with small sample size. With bias correction of graphical estimation for lognormal distribution, loglogistic distribution and weibull distribution, the bias correction graphical estimation (BCGE) is more efficient than GE, especially, for small sample size, however, the efficiency decreases as sample size increases.

จุฬาลงกรณ์มหาวิทยาลัย. สำนักงานวิทยทรัพยากร

Address: กรุงเทพมหานคร

Email: cuir@car.chula.ac.th

Name: อนุภาพ สมบูรณ์สวัสดี

Role: ที่ปรึกษา

Created: 2553

Modified: 2557-06-09

Issued: 2557-04-13

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: สถิติศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติ

Grantor: จุฬาลงกรณ์มหาวิทยาลัย

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Sasiprapa_mo.pdf	2.43 MB	23	2025-03-30 02:40:10

ใช้เวลา

0.020919 วินาที