ABSTRAK
Model statistik baru, yang disebut model waktu hidup setengah normal daya (PHN), telah diperkenalkan dengan menggabungkan parameter bentuk tambahan ke dalam distribusi setengah normal tradisional. Studi ini dilakukan dengan menggunakan data tidak lengkap yang diperoleh melalui strategi penyensoran baru yang dikenal sebagai penyensoran progresif adaptif yang ditingkatkan dari Tipe II. Strategi ini memastikan bahwa pengujian tidak akan berlangsung terlalu lama dan menghentikannya setelah sejumlah kegagalan telah dicatat. Dengan menggunakan pendekatan kemungkinan dan Bayesian, kami memperkirakan parameter model PHN dan menilai fitur waktu keandalan terkait saat menangani data tersensor yang diusulkan. Dengan mengasumsikan prior gamma independen untuk parameter model, inferensi Bayesian dilakukan dengan menggunakan sampler rantai Markovian di Monte Carlo berdasarkan kerugian kesalahan kuadrat (SEL). Berbagai metode digunakan untuk membuat estimator interval, termasuk interval asimtotik berdasarkan kemungkinan dan log-likelihood, bersama dengan dua jenis interval kredibel Bayesian. Simulasi ekstensif dilakukan melalui pemrograman komputer untuk menilai akurasi dan kinerja estimator. Selain itu, empat kriteria berbeda digunakan untuk mengidentifikasi desain penghilangan yang optimal. Untuk menunjukkan seberapa baik model yang disarankan bekerja dalam situasi kehidupan nyata, kami mengamati dua set data asli sebagai berikut: satu dari domain teknik yang melibatkan data kegagalan peralatan listrik dan satu lagi dari kasus penyakit virus korona 2019 di Arab Saudi. Aplikasi yang sama menunjukkan bahwa model PHN memberikan kecocokan yang lebih unggul dibandingkan dengan delapan model alternatif yang dipelajari sebelumnya, termasuk setengah normal, setengah normal umum, eksponensial alfa-pangkat, eksponensial umum, Nadarajah–Haghighi, Weibull, dan gamma.