Zum Inhalt

A Generalization of New Pareto-Type Distribution

  • 24.03.2022
Erschienen in:

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Hauptzweck der Datenwissenschaft besteht darin, Datenmuster mithilfe verschiedener statistischer Techniken aufzudecken. Dieser Artikel stellt eine neue Distribution mit schwerem Schwanz vor, die Generalized New Pareto-Type (GNPT) -Distribution, als Alternative zur Pareto-Distribution. Die GNPT-Verteilung erweist sich als flexibler und besser für reale Daten geeignet, wie etwa die Hilfszeiten von Personen, die ein Schmerzmittel erhalten, die Festigkeit von Kohlenstofffasern und die monatlichen Steuereinnahmen. Der Artikel beschreibt detailliert die mathematischen Eigenschaften der GNPT-Verteilung, einschließlich ihrer Dichtefunktion, Gefahrenrate, Quantität und Momente. Es werden auch Methoden der Punkteschätzung diskutiert und die GNPT-Verteilung anhand realer Datenbeispiele mit anderen konkurrierenden Verteilungen verglichen. Die Flexibilität und überlegene Anpassungsfähigkeit der GNPT-Distribution machen sie zu einem vielversprechenden Werkzeug für die Modellierung schwerfälliger Daten in verschiedenen Bereichen.

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!                                        

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen
Titel
A Generalization of New Pareto-Type Distribution
Verfasst von
Kadir Karakaya
Yunus Akdoğan
A. Saadati Nik
Coşkun Kuş
Akbar Asgharzadeh
Publikationsdatum
24.03.2022
Verlag
Springer Berlin Heidelberg
Erschienen in
Annals of Data Science / Ausgabe 1/2024
Print ISSN: 2198-5804
Elektronische ISSN: 2198-5812
DOI
https://doi.org/10.1007/s40745-022-00376-x
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Bildnachweise
Schmalkalden/© Schmalkalden, NTT Data/© NTT Data, Verlagsgruppe Beltz/© Verlagsgruppe Beltz, ibo Software GmbH/© ibo Software GmbH, Sovero/© Sovero, Axians Infoma GmbH/© Axians Infoma GmbH, genua GmbH/© genua GmbH, Prosoz Herten GmbH/© Prosoz Herten GmbH, Stormshield/© Stormshield, MACH AG/© MACH AG, OEDIV KG/© OEDIV KG, Rundstedt & Partner GmbH/© Rundstedt & Partner GmbH, Doxee AT GmbH/© Doxee AT GmbH , Governikus GmbH & Co. KG/© Governikus GmbH & Co. KG, Vendosoft/© Vendosoft, Conceptboard Cloud Service GmbH/© Vendosoft, Videocast 1: Standbild/© Springer Fachmedien Wiesbaden, givve Bezahlkarte - digitale Effizienz trifft menschliche Nähe/© givve