Non-linear failure rate: A Bayes study using Hamiltonian Monte Carlo simulation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F20%3A00524681" target="_blank" >RIV/67985556:_____/20:00524681 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27240/20:10244936

Výsledek na webu

<a href="https://www.sciencedirect.com/science/article/pii/S0888613X20301596" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0888613X20301596</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.ijar.2020.04.007" target="_blank" >10.1016/j.ijar.2020.04.007</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Non-linear failure rate: A Bayes study using Hamiltonian Monte Carlo simulation

Popis výsledku v původním jazyce

A non-linear failure ratemodel is introduced, analyzed, and applied to real data sets for both censored and uncensored data. The Hamiltonian Monte Carlo and cross-entropy methods have been exploited to empower the traditional methods of statistical estimation. Bayes estimators of parameters and reliability characteristics uses the Hamiltonian Monte Carlo and these estimators are considered under both symmetric and asymmetric loss functions. Additionally, the maximum likelihood estimators of parameters are obtained by using the cross-entropy method to optimize the log-likelihood function. The superiority of the proposed model and estimation procedures are demonstrated on real data sets.

Název v anglickém jazyce

Non-linear failure rate: A Bayes study using Hamiltonian Monte Carlo simulation

Popis výsledku anglicky

A non-linear failure ratemodel is introduced, analyzed, and applied to real data sets for both censored and uncensored data. The Hamiltonian Monte Carlo and cross-entropy methods have been exploited to empower the traditional methods of statistical estimation. Bayes estimators of parameters and reliability characteristics uses the Hamiltonian Monte Carlo and these estimators are considered under both symmetric and asymmetric loss functions. Additionally, the maximum likelihood estimators of parameters are obtained by using the cross-entropy method to optimize the log-likelihood function. The superiority of the proposed model and estimation procedures are demonstrated on real data sets.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/EF16_019%2F0000867" target="_blank" >EF16_019/0000867: Centrum výzkumu pokročilých mechatronických systémů</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

International Journal of Approximate Reasoning

ISSN

0888-613X

e-ISSN

—

Svazek periodika

123

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

22

Strana od-do

55-76

Kód UT WoS článku

000540209500005

EID výsledku v databázi Scopus

2-s2.0-85085638278