انتخاب مدل بر اساس بازه ردیابی تحت نمونه های سانسورشده دورگه یکپارچه

هدف اصلی مدل سازی آماری، شناسایی مدلی است که نزدیک ترین تقریب را به فرایند زمینه ای دارد. معمولا در انتخاب مدل از معیار اطلاع آکائیکه استفاده می شود، اما مقدار عددی دقیق آن تفسیر سرراستی ندارد. در این مقاله، از فرم نرمال شده تفاضل معیارهای آکائیک برای مقایسه مدل های رقیب تحت طرح سانسور هیبرید واحدشده استفاده می کنیم. خواص مجانبی برآوردگر درستنمایی بیشینه بر اساس اصل اطلاع گمشده محاسبه شده است. همچنین، توزیع مجانبی تفاضل نرمال شده معیارهای آکائیک به دست آمده، از آن برای ایجاد یک بازه، موسوم به بازه ردیابی، برای مقایسه مدل های رقیب استفاده می شود. شبیه سازی مونت کارلو برای بررسی کارکرد بازه پیشنهادی تحت طرح های سانسور متعدد انجام شده است. دو مجموعه داده واقعی برای نشان دادن بیشتر اهداف مقاله بررسی شده اند. اولین مجموعه داده برای مقایسه بین توزیع های وایبل و نمایی تعمیم یافته در داده های مربوط به جداسازی ماده اصلی اسانس نعناع و دومین مجموعه داده مربوط به انتخاب بین مدل های مختلف برای طول عمر قطعات الکتریکی است.