کلاسی از برآوردگرهای انقباضی بیزی برای پارامتر مقیاس توزیع وایبل براساس داده‌های سانسور شده

در آمار کلاسیک، براساس اطلاعات نمونه‌ای و به کمک برآوردگرهای معمول مانند برآوردگرهای ماکسیمم درستنمایی به برآوردیابی پارامتر مورد علاقه می پردازند. در آمار بیزی، براساس اطلاعات پیشینی و با ترکیب آن با اطلاعات نمونه‌ای برآوردگرهای بیزی به دست می‌آیند. اما در بسیاری از موقعیت‌های کاربردی، پژوهشگر دارای اطلاعاتی درباره پارامتر نامعلوم به‌صورت یک حدس یا گمان است. با ترکیب این اطلاعات غیرنمونه‌ای با اطلاعات نمونه‌ای و اطلاعات موجود در توزیع پیشینی، می‌توان برآوردگرهای انقباضی بیزی را به دست آورد که در حوزه آمار نیمه‌کلاسیک قرار می‌گیرند. در این مقاله، کلاسی از برآوردگرهای انقباضی بیزی برای پارامتر مقیاس توزیع وایبل به عنوان تعمیمی از برآوردگرهای موجود ارائه می‌شود و اریبی و مخاطره آن‌ها تحت تابع زیان لاینکس مورد بررسی قرار می‌گیرند. سپس با استفاده از یک مجموعه داده واقعی، برآوردگرهای پیشنهادی مقایسه می‌شوند.

A Class of Bayesian Shrinkage Estimators for the Scale Parameter of Weibull Distribution Based on Censored Data

In classical statistics, the parameter of interest is estimated based on sample information and using natural estimators such as maximum likelihood estimators. In Bayesian statistics, the Bayesian estimators are constructed based on prior knowledge and combining with it sample information. But, in some situations, the researcher has information about the unknown parameter as a guess. Bayesian shrinkage estimators can be constructed by Combining this nonsample information with sample information together with the prior knowledge, which is in the area of semiclassical statistics. In this paper, we introduce a class of Bayesian shrinkage estimators for the Weibull scale parameter as a generalization of the estimator at hand and consider the bias and risk of them under LINEX loss function. Then, the proposed estimators are compared using a real data set.