ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Real data such as road traffic mortality rates and lifetime observations are often zero-inflated and right-skewed. The zero-inflated two-parameter Rayleigh (ZITR) distribution is employed to model such data in this study. The coefficient of variation (CV) is a statistical measure that is used to quantify the relative dispersion of a population, by comparing the standard deviation with the mean. It is widely used to evaluate variability and facilitate comparisons among datasets with different scales or measurement units. This study develops and evaluates seven methods for constructing confidence intervals for the single CV of the ZITR distribution. Three proposed approaches, including Bayesian Markov chain Monte Carlo (MCMC), Bayesian highest posterior density (HPD), and approximate normal (AN) methods, are compared with three existing approaches: generalized confidence interval (GCI), percentile bootstrap (PB), and bootstrap with standard error (BS). Monte Carlo simulations are employed to assess the efficacy of these methods in terms of expected length (EL) and coverage probability (CP). The simulation results show that the HPD method gives acceptable CP with shorter interval lengths than other methods. Moreover, the proposed methods are illustrated with road traffic mortality rates per 100,000 population collected in January 2026 from the Phichit, Suphan Buri, and Prachuap Khiri Khan provinces in Thailand. The results indicate the applicability of the proposed methods for analyzing zero-inflated and right-skewed data in this real-data example.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 72/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Statistical Distribution Estimation and Applications · Statistical Methods and Bayesian Inference · Traffic and Road Safety
บทบาทของนักวิจัยและสถาบันไทย
Sasipong Kijsason · Sa-Aat Niwitpong · Sa-Aat Niwitpong · Suparat Niwitpong · Suparat Niwitpong · King Mongkut's University of Technology North Bangkok
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง