Let us consider $k ~(\ge 2)$ independent populations $\Pi_1, \ldots,\Pi_k$, where $\Pi_i$ follows exponential distribution with hazard rate ${\sigma_i},$ ($i = 1,\ldots,k$). Suppose $Y_{i1},\ldots, Y_{in}$ be a random sample of size $n$ drawn from the $i$th population $\Pi_i$, where $i = 1,\ldots,k.$ For $i = 1,\ldots,k$, consider $Y_i=\sum_{j=1}^nY_{ij}$. The natural selection rule is to select a population associated with the largest sample mean. That is, $\Pi_i$, ($i = 1,\ldots,k$) is selected if $Y_i=\max(Y_1,\ldots,Y_k)$. Based on this selection rule, a population is chosen. Then, we consider the estimation of the hazard rate of the selected population with respect to the entropy loss function. Some natural estimators are proposed. The minimaxity of a natural estimator is established. Improved estimators improving upon the natural estimators are derived. Finally, numerical study is carried out in order to compare the proposed estimators in terms of the risk values.


翻译:我们考虑一下美元=2美元独立人口 美元=1, 美元=1, 美元=1, 美元=1, Pi_k$, 美元=Pi_i美元与危害率指数分布相同, 美元=1, 美元=1, 美元=1, 美元=1, 美元=1, 美元=1, 美元=k$。 假设美元=1, 美元=1, 美元=2, 美元=2, 美元=1, 美元=1, 美元=1, 美元=1, 美元, 美元=1, 美元=1, 美元。 自然选择规则是选择一个与最大样本平均值相关的人口。 美元=1, 美元=1, 美元=1, 美元=2美元=2, Yín} 美元是一个从美元=1, 美元=1, 美元=1, 美元=1, 美元=ldots, 美元, 美元=1, 美元=1, 美元, 美元, 美元=1, 美元=1, 美元, 美元, 美元, 美元, 美元, 美元=1, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元=1, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元=1, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元, 美元

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
ERROR: GLEW initalization error: Missing GL version
深度强化学习实验室
9+阅读 · 2018年6月13日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年9月9日
Arxiv
0+阅读 · 2021年9月8日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
ERROR: GLEW initalization error: Missing GL version
深度强化学习实验室
9+阅读 · 2018年6月13日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员