fa آزمون-برآوردیابی انقباضی در توزیع رایلی و کاربرد آن در داده‌های سانسور شده نوع دوم استنباط آماری Statistical Inference پژوهشی بنیادی Research <p style="text-align: justify;">فرض کنید یک نمونه تصادفی از توزیع رایلی تک‌پارامتری در اختیار باشد. در روش‌های کلاسیک آمار، براساس اطلاعات موجود در نمونه و با روش‌های معمول به برآوردیابی پارامترنامعلوم پرداخته می‌شود. گاهی در عمل، محقق دارای اطلاعاتی درباره پارامتر نامعلوم به‌صورت یک حدس یا گمان می‌باشد. این حدس، اطلاعات غیرنمونه‌ای نامیده می‌شود. در این حالت، برآوردگرهای انقباضی خطی با ترکیب اطلاعات غیرنمونه‌ای و اطلاعات موجود در نمونه معرفی شدند که در نزدیکی مقدار حدسی و واقعی دارای مخاطره کمتری نسبت به برآوردگرهای معمول هستند. در این مقاله، براساس رد یا پذیرش فرضیه‌صفر نزدیکی مقدار حدسی و مقدار واقعی پارامتر، چند آزمون-برآوردگر انقباضی برای پارامتر مورد بررسی با روش‌های مختلف، معرفی و مخاطره آن‌ها تحت تابع زیان آنتروپی محاسبه می‌شود. سپس رفتار آزمون-برآوردگرهای انقباضی و بهترین برآوردگر خطی براساس کارایی نسبی بین آن‌ها مقایسه می‌شوند. آن‌گاه نتایج به‌دست آمده برای نمونه‌های سانسور شده نوع دوم به‌کار گرفته می‌شود.</p> <p style="text-align: justify;">Suppose that we have a random sample from one-parameter Rayleigh distribution&lrm;. &lrm;In classical methods&lrm;, &lrm;we estimate the interesting parameter based on the sample information and&lrm; &lrm;with usual estimators&lrm;. &lrm;Sometimes in practice&lrm;, &lrm;the researcher has some information about the unknown&lrm; &lrm;parameter in the form of a guess value&lrm;. &lrm;This guess is known as nonsample information&lrm;. &lrm;In this case&lrm;, &lrm;linear shrinkage estimators are introduced&lrm; &lrm;by combining nonsample and sample information which have smaller risk than usual estimators in the vicinity of&lrm; &lrm;guess and true value&lrm;. &lrm;In this paper&lrm;, &lrm;some shrinkage testimators are introduced using different methods based on&lrm; &lrm;vicinity of guess value and true parameter and their risks are computed under the entropy loss function&lrm;. &lrm;Then&lrm;, &lrm;the performance of&lrm; &lrm;shrinkage testimators and the best linear estimator is calculated via the relative efficiency of them&lrm;. &lrm;Therefore&lrm;, &lrm;the results are applied for the type-II censored data.</p> آزمون-برآوردگر انقباضی, توزیع رایلی, داده‌های سانسورشده Shrinkage Testimator, Rayleigh Distribution, Censored Data 223 237 http://jss.irstat.ir/browse.php?a_code=A-10-598-3&slc_lang=fa&sid=1 Mehran Naghizadeh Qomi مهران نقی زاده قمی m.naghizadeh@umz.ac.ir 10031947532846005229 10031947532846005229 Yes Department of Statistics, University of Mazandaran, Babolsar, Iran. گروه آمار، دانشگاه مازندران Zohre Mahdizadeh زهره مهدی زاده mahdizade_zohre@yahoo.com 10031947532846005230 10031947532846005230 No Department of Statistics, University of Mazandaran, Babolsar, Iran. گروه آمار، دانشگاه مازندران Hamid Zareefard حمید زارعی فرد h.zareifard@gmail.com 10031947532846005231 10031947532846005231 No Department of Statistics, University of Jahrom, Jahrom, Iran. گروه آمار، دانشگاه جهرم