Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 13

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Momenty rozkładu gamma
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
W pracy przedstawiony jest podwójnie ucięty uogólniony rozkład gamma i podane są wzory na momenty tego rozkładu oraz jego przypadków szczególnych wraz z przykładami ich wyliczeń.
The concept of a mixture of distributions is an important one in insurance, since insurance companies generally deal with heterogeneous risks. The simplest model for the number of claims is the Poisson model, so we assume that the number of claims Ni made by policyholder i follows the Poisson distribution with mean λi. We know that the values of λi will vary across the portfolio. We take distribution gamma as the mixing distribution for the Poisson means and show that the marginal distribution of the number of claims is negative binomial. In second example we suppose that each individual in a large insurance portfolio incurs losses according to its own exponential distribution, i.e. the exponential distributions have means which differ from individual to individual. Our purpose is to describe the losses over the whole portfolio. We show that the mixture distribution is Pareto when exponentially distributed losses are averaged using a gamma mixing distribution. (fragment of text)
3
Content available remote Sum of Gamma and Normal Distribution
61%
Purpose: The article shows how to model audit errors using mixtures of probability distribution. Design/methodology/approach: In financial accounting, data about the economic activities of a given firm is collected and then summarized and reported in the form of financial statements. Auditing, on the other hand, is the independent verification of the fairness of these financial statements. An item in an audit sample produces two pieces of information: the book (recorded) amount and the audited (correct) amount. The difference between the two is called the error amount. The book amounts are treated as values of a random variable whose distribution is a mixture of the distributions of the correct amount and the true amount contaminated by error. The mixing coefficient is equal to the proportion of the items with non-zero errors amounts. Findings: The sum of normal and gamma distribution can be useful for modeling audit errors. Originality/value: In this paper, the method of moments is proposed to estimate mixtures of probability distribution, and we derive a formulation of the probability distribution of the sum of a normally distributed random variable and one with gamma distribution. This research could be useful in financial auditing. (original abstract)
Artykuł poświęcony jest generowaniu zawartości tablicy dwudzielczej (TD) 2 × k z wykorzystaniem uogólnionego rozkładu gamma (URG). Opisano w nim generator liczb losowych URG oraz sposób tworzenia TD 2 × k na podstawie wartości dystrybuanty doświadczalnej i dystrybuanty teoretycznej rozkładu wykładniczego, który jest szczególnym przypadkiem URG.(abstrakt oryginalny)
5
Content available remote A Control Chart Using Belief Information for a Gamma Distribution
61%
The design of a control chart has been presented using a belief estimator by assuming that the quantitative characteristic of interest follows the gamma distribution. The authors present the structure of the proposed chart and derive the average run lengths for in-control and a shifted process. The average run lengths for various specified parameters have been reported. The efficiency of the proposed chart has been compared to existing control charts. The application of the proposed chart is illustrated with the help of simulated data. (original abstract)
6
Content available remote Simplified Method of GED Distribution Parameters Estimation
61%
In this paper a simplified method of estimating GED distribution parameters has been proposed. The method uses first, second and 0.5-th order absolute moments. Unlike in maximum likelihood method, which involves solving a set of equations including special mathematical functions, the solution is given in the form of a simple relation. Application of three different approximations of Euler's gamma function value results in three different sets of results for which the χ2 test is conducted. As a final solution (estimation of distribution parameters) the set is chosen which yields the smallest value of the χ2 test statistic. The method proposed in this paper yields the χ2 test statistic value which does not exceed the value of statistic for a distribution with parameters obtained with the maximum likelihood method. (original abstract)
In this paper, we introduce a new family of univariate continuous distributions called the Gamma Kumaraswamy-generated family of distributions. Most of its properties are studied in detail, including skewness, kurtosis, analytical comportments of the main functions, moments, stochastic ordering and order statistics. The next part of the paper focuses on a particular member of the family with four parameters, called the gamma Kumaraswamy exponential distribution. Among its advantages, the following should be mentioned: the corresponding probability density function can have symmetrical, left-skewed, right-skewed and reversed-J shapes, while the corresponding hazard rate function can have (nearly) constant, increasing, decreasing, upside-down bathtub, and bathtub shapes. Subsequently, the inference on the gamma Kumaraswamy exponential model is performed. The method of maximum likelihood is applied to estimate the model parameters. In order to demonstrate the importance of the new model, analyses on two practical data sets were carried out. The results proved more favourable for the studied model than for any of the other eight competitive models. (original abstract)
Podstawowym celem tej pracy jest popularyzacja, zbyt rzadko prezentowanego w literaturze polskojęzycznej, rozkładu gamma i niektórych jego zastosowań. Artykuł dotyczy dwóch głównych zagadnień. Jedno z nich stanowi charakterystykę rozkładu gamma i jego ważniejszych własności, drugie zaś to przykłady ważniejszych zastosowań tego rozkładu w ubezpieczeniach - do opisu intensywności szkód w ubezpieczeniach komunikacyjnych oraz opisu indywidualnego zróżnicowania umieralności w badaniach demograficznych. (fragment tekstu)
9
51%
The aim of the work is to discuss the robustness of estimation procedures and robustness of prediction in Tweedie's compound Poisson model. This model is applied to the claim reserving problem. The quality of parameter estimators and predictors is studied when the distribution of severity of claims is disturbed. The ε-contamination class of distributions is considered. The example, where errors of estimators are large is presented. The simulation methods, using the R programming environment, are applied.(original abstract)
W roku 1920 M. Greenwood i G. U. Yule przedstawili złożony rozkład Poisson - dwu-parametrowy gamma i podali interesujące zastosowanie tego złożenia. W 1973 r. H. Jakuszenkow podała złożenie rozkładu Poissona z uogólnionym dwuparametrowym rozkładem gamma. W 1982 r. T. Gerstenkorn opublikował złożony rozkład dwumianowy z uogólnionym beta i w przejściu granicznym otrzymał złożony rozkład dwumianowy z uogólnionym trzyparametrowym gamma. Obecnie przedstawiona jest własność graniczna tegoż rozkładu, dająca twierdzenie H. Jakuszenkow, jeśli jeden z parametrów tego rozkładu a = 2, tzn. przy ograniczeniu się do szczególnego dwuparametrowego uogólnionego rozkładu gamma. (abstrakt oryginalny)
W artykule zbadano efektywność prognoz sprzedaży dużej liczby wyrobów otrzymanych za pomocą dwóch metod: 1) prognozowania na podstawie mediany rozkładu gamma oraz 2) mediany rozkładu gamma z wahaniami sezonowymi. Dokładność prognoz zbadano za pomocą błędów ex post, takich jak błąd średniokwadratowy (MSE - mean squared error) wraz z jego dekompozycją oraz współczynnik Theila. Otrzymane wyniki wskazują, że z punktu widzenia obciążoności oraz elastyczności lepsze prognozy otrzymano na podstawie mediany rozkładu gamma z wahaniami sezonowymi. (abstrakt oryginalny)
Zapewnienie właściwego poziomu obsługi klienta jest podstawowym celem kształtowania i utrzymywania zapasu zabezpieczającego. Zdefiniowanie tego poziomu jest niezbędne do określenia wymaganej wielkości zapasu. Wielkość poziomu zapasu bezpieczeństwa zależy od średniego popytu i jego zmienności (odchylenia standardowego) w okresie realizacji zamówienia. Utrzymywanie zbyt wysokiego zapasu bezpieczeństwa pociąga za sobą nadmierne koszty zapasów, a zapas niewystarczający powoduje utratę sprzedaży. Znając poziom zapasu zabezpieczającego w pewnym okresie oraz zmienność popytu w przyjętym cyklu uzupełniania zapasu, możemy wyliczyć rzeczywisty poziom obsługi, czyli - na przykład - prawdopodobieństwo, że do chwili nadejścia dostawy zapas nie ulegnie wyczerpaniu, ale również dla wymaganego poziomu obsługi, przy znanym rozkładzie popytu w cyklu uzupełniania zapasu, możemy wyliczyć zapas zabezpieczający zapewniający przyjęty poziom obsługi. Jeśli w celu ilościowego scharakteryzowania popytu nie ograniczymy się do statystyk opisowych, którymi są średnia arytmetyczna i odchylenie standardowe, lecz opracujemy ich prognozy, wówczas do wyznaczenia zapasu bezpieczeństwa będziemy wykorzystywali prognozę wartości średniej popytu i standardowego błędu prognozy. Niezbędna jest zatem znajomość rozkładu popytu. W praktyce gospodarczej do najczęściej spotykanych rozkładów należy rozkład normalny, rozkład Piossona lub rozkład wykładniczy. W literaturze krajowej i zagranicznej możemy znaleźć liczne przykłady na zastosowanie wyżej wymienionych rozkładów. Możliwe jest także stosowanie bardziej wysublimowanych rozkładów. Na szczególną uwagę zasługuje rozkład Gamma, który można wykorzystać do modelowania popytu. Celem opracowania jest ukazanie możliwości jego zastosowania w systemach logistycznych. (fragment tekstu)
Rozkłady prawdopodobieństwa czasów do uszkodzenia są intensywnie wykorzystywane w teorii i praktyce niezawodności. W praktyce spotyka się wiele sytuacji testowania zgodności rozkładów prawdopodobieństwa czasów do uszkodzenia ze znanymi rozkładami. Jednak w praktyce eksploatacyjnej bardzo często zdarzają się sytuacje, gdy obiekt techniczny uszkadza się nagle i rejestrowane czasy do uszkodzenia są stosunkowo małe. Naprawy niektórych uszkodzeń są nieskuteczne i generują następne uszkodzenia. Zbiór czasów do uszkodzenia wykazuje pewną niejednorodność statystyczną. Jest to motywacją do zastosowania jako modelu procesu uszkodzeń stacjonarnego gałązkowego procesu Poissona. W pracy dowodzi się, że proces ten może być adekwatnym modelem procesu uszkodzeń dla podsystemu elektrycznego autobusów. Prezentowany model został zilustrowany przykładami numerycznymi. Drugi z przykładów prezentuje dane z eksploatacji autobusów miejskich i zawiera ocenę parametrów modelu dla podsystemu elektrycznego.(abstrakt oryginalny)
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.