Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Annals of Data Science
Erschienen in: Annals of Data Science 2/2022

23.07.2019

Bayesian Survival Analysis of Type I General Exponential Distributions

verfasst von: Mohammed H. AbuJarad, Eman S. A. AbuJarad, Athar Ali Khan

Erschienen in: Annals of Data Science | Ausgabe 2/2022

Einloggen

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

search-config
loading …

Abstract

This article aims at generalizing two distribution by means of, exponentiated exponential and Weibull distribution. The researchers have employed three and four parameters life model called the Type I General Exponential exponentiated exponential distribution and Type I General Exponential Weibull distribution. Survival and hazard rate functions were provided for these two models. To fit these models into survival and hazard rate functions, we adopted the Bayesian approach. For illustration, a real survival data set has been employed. Application is carried out by R and Stan. Finally,a comparison between these two models is made by using loo package to find the best model and simulation.
Vorheriger Artikel Probability on Graphical Structure: A Knowledge-Based Agricultural Case
Nächster Artikel Odd Chen-G Family of Distributions

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Hamedani GG, Yousof HM, Rasekhi M, Alizadeh M, Najibi SM (2018) Type I general exponential class of distributions. Pak J Stat Oper Res 14(1):39–55CrossRef
2.
Hoffman MD, Gelman A (2014) The No-U-Turn Sampler: adaptively setting path lengths in Hamiltonian Monte Carlo. J Mach Learn Res 15(1):1593–1623
3.
Vehtari A, Gelman A, Gabry J (2017) Practical Bayesian model evaluation using leave-one-out cross-validation and WAIC. Stat Comput 27(5):1413–1432CrossRef
4.
5.
6.
7.
Yao Y, Vehtari A, Simpson D, Gelman A (2018) Using stacking to average Bayesian predictive distributions (with discussion). Bayesian Anal 13(3):917–1003CrossRef
8.
Watanabe S (2010) Asymptotic equivalence of Bayes cross validation and widely application information criterion in singular learning theory. J Mach Learn Res 11:3571–3594
9.
Plummer M (2008) Penalized loss functions for Bayesian model comparison. Biostatistics 9:523–539CrossRef
10.
van der Linde A (2005) DIC in variable selection. Stat Neerl 1:45–56CrossRef
11.
Gelman A (2008) Scaling regression inputs by dividing by two standard deviations. Stat Med 27(15):2865–2873CrossRef
12.
Gelman A (2006) Prior distributions for variance parameters in hierarchical models. Bayesian Anal 1(3):515–534CrossRef
13.
14.
WHO Special Programme of Research, Development and Research Training in Human Reproduction (1987) Vaginal bleeding patterns—the problem and an example data set. Appl Stoch Models data Anal 3:27–35
15.
Hanafi NAM (2009) The application of hazard function in the case study of the use of an IUD for Women. Doctoral dissertation, Universiti Teknologi Malaysia
16.
17.
Metadaten
Titel
Bayesian Survival Analysis of Type I General Exponential Distributions
verfasst von
Mohammed H. AbuJarad
Eman S. A. AbuJarad
Athar Ali Khan
Publikationsdatum
23.07.2019
Verlag
Springer Berlin Heidelberg
Erschienen in
Annals of Data Science / Ausgabe 2/2022
Print ISSN: 2198-5804
Elektronische ISSN: 2198-5812
DOI
https://doi.org/10.1007/s40745-019-00228-1

Weitere Artikel der Ausgabe 2/2022

Annals of Data Science 2/2022 Zur Ausgabe

OriginalPaper

Predictive Inference and Parameter Estimation from the Half-Normal Distribution for the Left Censored Data

OriginalPaper

Probability on Graphical Structure: A Knowledge-Based Agricultural Case

OriginalPaper

The Kumaraswamy Poisson-G Family of Distribution: Its Properties and Applications

OriginalPaper

Demand Prediction in the Automobile Industry Independent of Big Data

ReviewPaper

Odd Chen-G Family of Distributions

OriginalPaper

Exploring Freight Loading Management by Deep Learning: a Case Study in Home Furnishing Industry