fa مشخصه‌سازی توزیع رایلی بر اساس آنتروپی باقیمانده‌ی تجمعی و آزمون نیکویی برازش مربوط به آن عمومى General پژوهشي Research <p dir="RTL">توزیع رایلی در مدل‌سازی آماری به‌صورتی وسیع مورد استفاده قرار می‌گیرد. این مدل در دستگاه‌های الکتریکی دارای خلا و مهندسی ارتباطات نقش به‌سزایی دارد. رائو و همکاران ( <span dir="LTR">(2004</span>آنتروپی باقیمانده‌ی تجمعی (<span dir="LTR">CRE</span>) را که تعمیمی از آنتروپی شانون با استفاده از تابع توزیع تجمعی است، معرفی نمودند. در این مقاله، کلاسی از توزیع‌های ماکسیمم <span dir="LTR">CRE</span> را معرفی کرده، سپس به مشخصه‌سازی توزیع رایلی پرداخته و با استفاده از آن، آزمون نیکویی برازش برای بررسی صحت مدل را انجام می‌دهیم. برای ساختن آماره‌ی این آزمون، اطلاع کولبک- لیبلر باقیمانده‌ی تجمعی (<span dir="LTR">CKL</span>) که توسط براتپور و حبیبی (<span dir="LTR">2012</span>) معرفی شد را به کار می‌بریم. مقادیر بحرانی آماره‌ی آزمون با اندازه‌های مختلف نمونه را به‌کمک شبیه‌سازی مونت کارلو به دست می‌آوریم. تحلیل توان با استفاده از شبیه‌سازی مونت کارلو برای فرضیه‌های مقابل مختلف و نمونه‌هایی با اندازه‌های متفاوت به‌منظور مقایسه‌ی آزمون معرفی‌شده با آزمون‌های رایج بر اساس تابع توزیع تجمعی، انجام می‌گردد و نشان می‌دهیم آزمون معرفی‌شده خواص توانی خوبی دارد. در نهایت کاربرد آزمون معرفی‌شده را در یک مثال تشریحی نشان می‌دهیم.</p> <p dir="RTL"></p> <p dir="RTL"></p> <p></p> <p dir="rtl" style="text-align: justify;"><span style="line-height: 1.6em;">Rayleigh distribution is widely used for life-time modeling and is important in electro vacuum devices and communication engineering. Rao et al. (2004) suggested the Cumulative Residual Entropy (CRE), which is the extension of the Shannon entropy to the the cumulative distribution function. In this paper, a general class of maximum CRE distributions is introduced and then we characterize the Rayleigh distribution and use it to construct a goodness-of-fit test for ascertaining appropriateness of such model. For constructing the test statistics, we use Cumulative residual Kullback-Leibler information (CKL) that was introduced by Baratpour and Habibi (2012). Critical values for various sample sizes determined by means of Monte Carlo simulations are presented for the test statistics. A Monte Carlo power analysis is performed for various alternatives and sample sizes in order to compare the proposed test with several existing goodness-of-fit tests based on the empirical distribution. We find that the proposed test has good power properties. The use of the proposed test is shown in an illustrative example.</span></p> <p></p> <p></p> <p></p> <p></p> <p></p> <p></p> آنتروپی باقیمانده‌ی تجمعی, ماکسیمم آنتروپی, اطلاع کولبک-لیبلر, توزیع رایلی, آزمون نیکویی برازش, مطالعه‌ی توان Cumulative residual entropy, maximum entropy, Kullback-Leibler divergence, Rayleigh distribution, goodness of fit, power study 115 131 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-160&slc_lang=fa&sid=1 S. Baratpour سیمیندخت براتپور baratpour@um.ac.ir 1003194753284600684 1003194753284600684 Yes F. Khodadadi فاطمه خدادادی ne_khodadad2@yahoo.com 1003194753284600685 1003194753284600685 No