การเปรียบเทียบประสิทธิภาพของการแจกแจงปัวซง-ลินด์เลย์ โดยใช้ชุดข้อมูลจริง
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของการแจกแจงปัวซง-ลินด์เลย์ 3 รูปแบบ ได้แก่ การแจกแจงปัวซง-ลินด์เลย์แบบทั่วไป การแจกแจงปัวซง-ลินด์เลย์แบบถ่วงน้ำหนัก และการแจกแจงปัวซง-ลินด์เลย์สามพารามิเตอร์ โดยเปรียบเทียบเชิงประยุกต์กับการแจกแจงปัวซงและทวินามลบซึ่งเป็นแบบจำลองพื้นฐานสำหรับข้อมูลเชิงนับ การศึกษานี้ใช้ชุดข้อมูลจริงจำนวน 3 ชุด ได้แก่ จำนวนผู้เสียชีวิตจากอุบัติเหตุทางถนนของจังหวัดระยอง จำนวนผู้เสียชีวิตจากโรคติดเชื้อไวรัสโคโรนา 2019 ของจังหวัดศรีสะเกษ จากเว็บไซต์ศูนย์กลางข้อมูลเปิดภาครัฐ และจำนวนครั้งในการพบแพทย์จากการสำรวจสุขภาพแห่งชาติของประเทศออสเตรเลียจากแพ็กเกจ AER ในโปรแกรม R การประมาณค่าพารามิเตอร์ดำเนินการด้วยวิธีภาวะน่าจะเป็นสูงสุด และประเมินความเหมาะสมของการแจกแจงโดยใช้ค่า -Log-likelihood (-LL) ค่า Akaike's Information Criterion (AIC) ค่า Bayesian Information Criterion (BIC) และสถิติทดสอบ Kolmogorov-Smirnov (KS) ผลการศึกษาพบว่า การแจกแจงปัวซง-ลินด์เลย์แบบทั่วไปแสดงถึงศักยภาพในการอธิบายข้อมูลเชิงนับทั้ง 3 ชุด ที่มีลักษณะการกระจายเกินเกณฑ์ได้เป็นอย่างดี
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Ahsan-ul-Haq, M., Al-Bossly, A., El-Morshedy, M., & Eliwa, M. S. (2022). Poisson XLindley distribution for count data: Statistical and reliability properties with estimation techniques and inference. Computational Intelligence and Neuroscience, 2022(1), Article 6503670. https://doi.org/10.1155/2022/6503670
Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. https://doi.org/10.1109/TAC.1974.1100705
Alomair, G., Tajuddin, R. R. M., Bakouch, H. S., & Almohisen, A. (2024). A statistical model for count data analysis and population size estimation: Introducing a mixed Poisson-Lindley distribution and its zero truncation. Axioms, 13(2), Article 125. https://doi.org/10.3390/axioms13020125
Arnold, T. B., & Emerson, J. W. (2011). Nonparametric goodness-of-fit tests for discrete null distributions. The R Journal, 3(2), 34-39. https://doi.org/10.32614/RJ-2011-016
Atikankul, Y. (2023). A new poisson generalized Lindley regression model. Austrian Journal of Statistics, 52(1), 39-50. https://doi.org/10.17713/ajs.v52i1.1344
Atikankul, Y., Thongteeraparp, A., & Bodhisuwan, W. (2020). The new Poisson mixed weighted Lindley distribution with applications to insurance claims data. Songklanakarin Journal of Science and Technology, 42(1), 152-162. https://doi.org/10.14456/sjst-psu.2020.21
Bhati, D., Sastry, D. V. S., & Qadri, P. Z. M. (2015). A new generalized Poisson-Lindley distribution: Applications and properties. Austrian Journal of Statistics, 44(4), 35-51. https://doi.org/10.17713/ajs.v44i4.54
Burnham, K. P., & Anderson, D. R. (2002). Model selection and multimodel inference: A practical information-theoretic approach (2nd ed.). Springer New York. https://doi.org/10.1007/b97636
Cameron, A. C., & Trivedi, P. K. (2014). Regression analysis of count data (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9781139013567
Casella, G., & Berger, R. L. (2002). Statistical inference (2nd ed.). Duxbury Press.
Das, K. K., Ahmed, I., & Bhattacharjee, S. (2018). A new three-parameter Poisson-Lindley distribution for modelling over-dispersed count data. International Journal of Applied Engineering Research, 13(23), 16468-16477. https://doi.org/10.37622/IJAER/13.23.2024.16468-16477
Kleiber, C., & Zeileis, A. (2025). AER: Applied econometrics with R (R package version 1.2-15). Comprehensive R Archive Network (CRAN). https://CRAN.R-project.org/package=AER
R Core Team. (2024). R: A language and environment for statistical computing. R Foundation for Statistical Computing.
Schwarz, G. (1978). Estimating the dimension of a model. The Annals of Statistics, 6(2), 461-464. https://doi.org/10.1214/aos/1176344136
Tharshan, R., & Wijekoon, P. (2022a). Zero-modified Poisson-modification of Quasi Lindley distribution and its application. Statistics in Transition New Series, 23(4), 113-128. https://doi.org/10.2478/stattrans-2022-0045
Tharshan, R., & Wijekoon, P. (2022b). A new mixed Poisson distribution for over-dispersed count data: Theory and applications. Reliability: Theory & Applications, 1(67), 33-51. https://doi.org/10.24412/1932-2321-2022-167-33-51
