DSpace

  Al al-Bayt
University

        AABU-Dspace

        Dspace Home
Please use this identifier to cite or link to this item: http://hdl.handle.net/123456789/678
Title: Maximum Likelihood Estimation of Truncated Normal Regression Model
Authors: Faris M. Alathari
Zaki J. Al-sarraf
Issue Date: 21-Jan-2007
Abstract: الملخص في الحياة العملية غالبا ما يستخدم التوزيع الطبيعي توزيعاً احتمالياً للمتغير المعتمد لنموذج الانحدار, ولكن في أكثرها يكون المتغير المعتمد غير طليق ليأخذ أية قيمة من قيم الفترة فمثلا قد لا يستطيع الباحث مشاهدة قيم المتغير المعتمد في الفترة أو الفترة و إنما يستطيع فقط مشاهدة القيم الموجودة في الفترة وفي هذه الحالة فان القيم المشاهدة للمتغير المعتمد قد تتبع التوزيع الطبيعي المبتور (truncated normal distribution). إن هذا البحث يهدف إلى استخدام طريقة الإمكان الأعظم (Maximum likelihood method) في إيجاد مقدرات لمعالم (parameters) نموذج الانحدار الخطي الطبيعي المبتور (truncated normal linear regression model) تتمتع بمزايا طريقة الإمكان الأعظم المعروفة و المتمثلة بخواص الاتساق و الكفاءة التقريبية والتطبيع التقريبي. إن أسلوب التقدير في هذا البحث يختلف عن أسلوب التقدير المعتمد على البيانات المراقبة (Censored data) أو الأسلوب المستخدم من قبل (2000)Verbeek والذي يستخدم عينة غير عشوائية من المجتمع Abstract The Maximum Likelihood Method is used to estimate the normal linear regression model when the truncated normal data is the only available data. This procedure, unlike the procedure of estimation from censored data, utilizes the relationship between the normal distribution and the truncated normal distribution to estimate the model. This model utilizes a random sample from the truncated normal distribution. It is unlike the so- called truncated regression model mentioned by Verbeek (2000), which utilizes a non- random sample. Under the regularity conditions (Zacks, 1971, p.194),
URI: http://hdl.handle.net/123456789/678
Appears in Collections:المجلد 14 العدد 3

Files in This Item:
File Description SizeFormat 
1432.doc271.5 kBMicrosoft WordView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.