Bayes Interval Estimation on the Parameters of the Weibull Distribution for Complete and Censored Tests

در اين مقاله ابتدا يك روش عمومي جديد براي ساخت فواصل اطمينان براي پارامترهاي يك توزيع احتمال پيوسته توسعه داده مي شود. هدف ارايه روشي براي مدلسازي عدم قطعيت موجود در پارامترهاي اين توزيعهاست.به عنوان يك كاربرد، فواصل اطمينان براي دو پارامتر توزيع وايبول به همراه ناحيه اطمينان توام آنها به دست مي آيد. اين مدل هم داده هاي كامل و هم داده هاي سانسور شده مي پذيرد. دقت تخمين به دست آمده توسط مدل با دقت تخمين روشهاي موجود با استفاده از روشهاي عددي مقايسه مي شود. تحليل اعتبار نشان مي دهد كه دقت تخمين روش پيشنهادي اميدوار كننده است. همچنين نشان داده مي شود كه استفاده نامناسب اطلاعات موجود كه بر عرض فواصل اطمينان حاصل از روشهاي موجود اثر مي گذارد بر ميزان همپوشاني روش پيشنهادي اثرگذار نيست.

A method for constructing confidence intervals on parameters of a continuous probability distribution is developed in this paper. The objective is to present a model for an uncertainty represented by parameters of a probability density function. As an application, confidence intervals for the two parameters of the Weibull distribution along with their joint confidence interval are derived. The model admits complete data, as well as censored data. The estimation accuracy of the proposed model is compared to those of the existing procedures by a numerical method. The validation analysis shows that the estimation accuracy of the proposed model lead to an encouraging conclusion. It is shown that improper use of available information in the data that affects the width of the confidence intervals obtained by the existing procedures. It does not affect the coverage of the proposed confidence interval method.