000			15629namaa22004211i 4500
003			EG-GICUC
005			20260303110034.0
008			260222s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a519.505
092			_a519.505 _221
097			_aPh.D
099			_aCai01.18.03.Ph.D.2025.As.P
100	0		_aAsmaa Abdel-Hakim Ibrahim Mohamed, _epreparation.
245	1	0	_aParameter estimation based on unified hybrid censoring scheme / _cby Asmaa Abdel-Hakim Ibrahim Mohamed ; Supervised Prof. Dr. EL-Sayed A. El-Sherpieny.
246	1	5	_aتقدير المعالم بالاعتماد على نظام المراقبة المهجنة الموحدة
264		0	_c2025.
300			_a127 Leaves : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2025.
504			_aBibliography: pages 123-127.
520		3	_aThis thesis addresses the problem of statistical inference for lifetime distributions under unified hybrid censoring schemes, with a particular focus on the two-parameter generalized inverted exponential distribution and the alpha-power exponential distribu- tion. Unified hybrid censoring is an important framework in reliability analysis be- cause it combines the advantages of generalized Type-I and Type-II hybrid censoring plans, ensuring that a life test concludes within a pre-specified maximum time while also guaranteeing the observation of at least a fixed number of failures. This balance between time and failure constraints reflects practical considerations in reliability and survival studies, where both economic costs and resource limitations must be managed efficiently. Within this censoring framework, two complementary inferential paradigms are de- veloped. In the classical domain, maximum likelihood estimation is employed to derive point estimators of the unknown parameters as well as reliability characteristics such as the survival and hazard rate functions. Approximate confidence intervals are con- structed using the observed Fisher information matrix, thereby providing a practical tool for interval estimation. In addition, for the alpha-power exponential distribution, the maximum product of spacings method is introduced as a robust alternative to max- imum likelihood estimation, particularly useful in cases where the likelihood function poses computational challenges. These two classical approaches not only broaden the estimation toolkit but also enable a comparative assessment of efficiency and robust- ness. In the Bayesian domain, posterior inference is developed under independent gamma priors. Since closed-form Bayes estimators are analytically intractable, the thesis em- ploys two approximation strategies. First, Lindley’s approximation is used to obtain ap- proximate Bayes estimators under the squared-error loss function. Second, a simulation- based approach is implemented through Markov chain Monte Carlo methods, specifi- cally a hybrid Metropolis–Hastings within Gibbs sampler. The Bayesian analysis is complemented by the construction of highest posterior density credible intervals, which allow for direct probabilistic interpretation of parameter uncertainty. For the alpha- power exponential distribution, the Bayesian framework is further enriched by consid- ering both likelihood-based and spacing-based posterior structures, providing a novel dual perspective on Bayesian inference.
520		3	_aعادة في اختبارات الحياة ما يتم استخدام نظام العينات المراقبة، حيث يتميز هذا النظام عن نظام المعاينة الكاملة في توفير الوقت الكلي وكذلك تخفيض تكلفة الوحدات المستخدمة تحت الاختبار، تسمى البيانات التي يتم الحصول عليها في هذه التجارب بالبيانات المراقبة، تختلف أنظمة العينات المراقبة في أسلوب التنفيذ وطريقة حذف الوحدات من التجربة وأيضاً من حيث نقطة انهاء التجربة، لذلك يقوم المجرب باختيار النظام الذي يوازن ما بين الوقت الكلي للتجربة وعدد وحدات الفشل المحددة مما يحافظ على امكانية تطبيق طرق الاستدلال الإحصائي وضمان جودة النتائج وضمان اقل التكاليف في الأصل، اقترحت اختبارات الحياة بواسطة (Epstein and Sobel (1953)) ومن أكثر نظم المراقبة شيوعًا في تجارب اختبار الحياة هما نظامي المراقبة من النوع الأول (الرقابة بناءً على وقت محدد مسبقاً قدره T) والمراقبة من النوع الثاني (الرقابة بناءً على عدد حالات الفشل قدره k). ثم أقترح (Epstein (1954)) نظام المراقبة المهجنة من النوع الأول والذي يتمثل في وضع n من الوحدات تحت الاختبار عند بداية التجربة، ثم متابعة ورصد ازمنه الفشل التي تصيب تلك الوحدات، ويتم انهاء الاختبار عند الزمنT^* حيث T^*=min{X_((k)),T}، ويستهدف هذا النظام ألا يزيد وقت الاختبار عن الزمن المحدد مسبقاً T، ثم قدم (Childs et al. (2003))نظام المراقبة المهجنة من النوع الثاني للتغلب على عيب نظام المراقبة المهجنة من النوع الأول وهو احتمالية رصد عدد قليل جدا من حالات الفشل قبل الوقت T، فنظام المراقبة المهجنة من النوع الثاني يتمثل في وضع n من الوحدات تحت الاختبار عند بداية التجربة ، ثم متابعة ورصد احداث الفشل التي تصيب تلك الوحدات ثم انهاء الاختبار عند الزمنT^* حيث T^*=max{X_((k)),T}، وهو يضمن عدد محدد من الفشل قدرهk. على الرغم من أن نظام المراقبة المهجنة من النوع الأول يضمن إنهاء الاختبار في وقت محدد مسبقاً، إلا أنه قد يرصد المجرب عدد قليل جداً من حالات الفشل للوحدات قيد الاختبار،علاوة على ذلك، يضمن نظام المراقبة المهجنة من النوع الثاني عددًا محددًا من حالات الفشل عند انهاء الاختبار، ولكن قد يستغرق الأمر وقتًا طويلاً جدًا لمراقبة العدد المستهدف من وحدات الفشل وانهاء الاختبار.لذا اقترح (Chandrasekar et al. (2004)) نظامي المراقبة المهجنة المعممة من النوعين الأول والثاني بهدف التغلب على عيوب نظامي المراقبة المهجنة من النوعين الأول والثاني. ففي نظام المراقبة المهجنة المعممة من النوع الأول يتم وضع n من الوحدات تحت الاختبار عند بداية التجربة، ثم يحدد المجرب أعداد الفشل k,r التي يرغب في رصدهاحيث k,r∈{1,2,…} ، وكذا أقصى زمن يمكن للباحث تحمله ثم متابعة ورصد حالات الفشل التي تصيب تلك الوحدات، ويتم انهاء الاختبار عند الزمن min{X_((r)),T} إذا تم رصد k من حالات الفشل قبل الزمن T، ما دون ذلك يتم انهاء الاختبار بعد رصد k من حالات الفشل، وعليه فأن نظام المراقبة المهجنة المعممة من النوع الأول يعتبر بمثابة تعديل لنظام المراقبة المهجنة من النوع الأولوذلك بالسماح للتجربة بالاستمرار إلى ما بعد الوقتTإذا تم ملاحظة عدد قليل جدًا من حالات الفشل حتى ذلك الوقت. وفي نظام المراقبة المهجنة المعممة من النوع الثاني يتم وضع n من الوحدات تحت الاختبار عند بداية التجربة، ثم يحدد المجرب عدد حالات الفشل r التي يرغب في رصدها وكذا الحدين الأدنى والأقصى للزمن T_1,T_2الذي يمكن للمجرب تحمله أثناء الاختبار حيث T_1<T_2 ،T_1,T_2∈(0,∞) ثم متابعة ورصد حالات الفشل التي تصيب تلك الوحدات، ويتم انهاء الاختبار عند الزمن max{X_((k)),T_1 } إذا تم رصد k من حالات الفشل قبل الزمن T_2، ما دون ذلك يتم انهاء الاختبار عند الزمن T_2، وعليه فأن نظام المراقبة المهجنة المعممة من النوع الثاني يعتبر بمثابة تعديل لنظام المراقبة المهجنة من النوع الثاني وذلك بالسماح للتجربة بالاستمرار إلى أقصى زمن يمكن للباحث تحمله. ومع ذلك يعاب على نظام المراقبة المهجنة المعممة من النوع الأول في أنه قد لا يتم رصد أي من حالات الفشل عند (أو قبل) الوقتT، من ناحية أخرى فأن عيب نظام المراقبة المهجنة المعممة من النوع الثاني يتمثل في احتمال عدم ملاحظة أي فشل على الاطلاق أو ملاحظة عدد قليل جداً من حالات الفشل حتى الوقت المحدد مسبقاً T_2وعليه لا يمكن إجراء أي استدلالات إحصائية بكفاءة. لذا اقترح(Balakrishnan et al. (2008)) نظام المراقبة المهجنة الموحدة للتغلب على المشاكل الواردة في النوعين الأول والثاني من أنظمة المراقبة المهجنة المعممة؛ وبناءً على هذا النظام يتم وضع n من الوحدات تحت الاختبار عند بداية التجربة، ثم يحدد المجرب حالات الفشل k,r التي يرغب في رصدهاحيث k,r∈{1,2,…} ، وكذا الحدين الأدنى والأقصى للزمن الذي يمكنه تحمله أثناء الاختبار T_1,T_2حيث T_1<T_2 ،T_1,T_2∈(0,∞) ثم متابعة ورصد حالات الفشل التي تصيب تلك الوحدات، ويتم انهاء الاختبار عند الزمن min{T_2,max{X_((r)),T_1 } } إذا تم رصد k من حالات الفشل قبل الزمن T_1،أو انهاء الاختبار عند الزمن min{X_((r)),T_2 } إذا تم رصد k من حالات الفشل بين الزمنين T_1 و T_1 ما دون ذلك يتم انهاء الاختبار بعد رصد k من حالات الفشل، وعليه فأن نظام المراقبة المهجنة الموحدة يضمن انهاء التجربة عند الزمن T_2كحد أقصى مع رصد k من حالات الفشل كحد أدنى. أحد الأهداف الرئيسية لهذه الرسالة يتمثل في دراسة مشاكل التقدير بنقطة والتقدير بفتره للمعالم المجهولة وبعض خصائص الصلاحية كدالة البقاء ودالة معدل الخطر لتوزيع مقلوب الآسي المعمم وذلك بالاعتماد على نظام المراقبة المهجنة الموحدة باستخدام طريقتي الإمكان الأعظم والبيزي، أيضاً، تقديم فترات الثقة التقريبية و البيزية للمعالم المجهولة. بفرضية أن المعلومات القبلية لمعالم توزيع مقلوب الآسي المعمم متغيرات عشوائية معلومة ومستقلة وتتبع توزيع جاما، تم اشتقاق تقديرات بيز وكذا فترات الثقة البيزية باستخدام دالة الخسارة التربيعية، وحيث أن مقدرات بيز لم يتم الحصول عليها بصورة صريحة، فتم استخدام تقريب ليندلي وسلاسل ماركوف مونت كارلو بهدف حساب تقديرات بيز وإيجاد فترات الثقة البيزية للمعالم المجهولة. بتحليل مجموعة بيانات حقيقية، يمكن توضيح النتائج النظرية المتحصل عليها، وأخيراً تقديم دراسة محاكاة مونت كارلو لدراسة سلوك التقديرات المختلفة للمعالم المجهولة ودالة البقاء ودالة معدل الخطر لمقارنة أداء طرق التقدير المقترحة. أيضاً، من ضمن الأهداف الرئيسية لهذه الرسالة، اشتقاق التقديرات البيزيةواللابيزية للمعالم المجهولة ودالة البقاء ودالة معدل الخطر لتوزيع الآسي بقوة ألفا بالاعتماد على نظام المراقبة المهجنة الموحدة؛ فمن حيث الاستدلال الكلاسيكي قد تم استخدام طريقة الإمكان الأعظم وطريقة أقصى التباعد الأعظم من أجل تقدير المعالم المجهولة ودالة البقاء ودالة معدل الخطر، أيضاً من حيث الاستدلال البيزي فقد تم تمديد دوال الطرق الكلاسيكية المقترحة من أجل اشتقاق تقديرات بيز وفترات الثقة البيزية باستخدام دالة الخسارة التربيعية وذلك تحت فرضية أن المعلومات القبلية لمعالم توزيع الآسي بقوة ألفا متغيرات عشوائية معلومة ومستقلة وتتبع توزيع جاما. وبما أن مقدرات بيز لا يمكن التعبير عنها بصورة صريحة، فتم استخدام سلاسل ماركوف مونت كارلو لحساب تقديرات بيز وإيجاد فترات الثقة البيزية للمعالم المجهولة.لمقارنة فعالية منهجيات التقدير المقترحة، تم تنفيذ عمليات محاكاة مونت كارلو، ولتوضيح أهمية وفائدة طرق التقدير المقترحة، تم تحليل مجموعتين مختلفتين من البيانات الحقيقية من المجال الهندسي.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aMathematical Statistics
650		0	_aالاحصاء الرياضي
653		1	_aUnified Hybrid Censoring _aParameter Estimation _aBayesian _aInterval Estimation _aMonte Carlo Simulation _aخطة المراقبة المهجنة الموحدة _aتقدير المعالم
700	0		_aEL-Sayed A. El-Sherpieny _ethesis advisor.
900			_b01-01-2025 _cEL-Sayed A. El-Sherpieny _UCairo University _FFaculty of Graduate Studies for Statistical Research _DDepartment of Mathematical Statistics
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c178646