Published February 29, 2024 | Version v1
Publication Metadata-only

Estimation of the percentile of Birnbaum-Saunders distribution and its application to PM2.5 in Northern Thailand

Creators

  • 1. Ramkhamhaeng University
  • 2. King Mongkut's University of Technology North Bangkok

Description

The Birnbaum-Saunders distribution plays a crucial role in statistical analysis, serving as a model for failure time distribution in engineering and the distribution of particulate matter 2.5 (PM2.5) in environmental sciences. When assessing the health risks linked to PM2.5, it is crucial to give significant weight to percentile values, particularly focusing on lower percentiles, as they offer a more precise depiction of exposure levels and potential health hazards for the population. Mean and variance metrics may not fully encapsulate the comprehensive spectrum of risks connected to PM2.5 exposure. Various approaches, including the generalized confidence interval (GCI) approach, the bootstrap approach, the Bayesian approach, and the highest posterior density (HPD) approach, were employed to establish confidence intervals for the percentile of the Birnbaum-Saunders distribution. To assess the performance of these intervals, Monte Carlo simulations were conducted, evaluating them based on coverage probability and average length. The results demonstrate that the GCI approach is a favorable choice for estimating percentile confidence intervals. In conclusion, this article presents the results of the simulation study and showcases the practical application of these findings in the field of environmental sciences.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يلعب توزيع بيرنباوم- ساوندرز دورًا حاسمًا في التحليل الإحصائي، حيث يعمل كنموذج لتوزيع وقت الفشل في الهندسة وتوزيع الجسيمات 2.5 (PM2.5) في العلوم البيئية. عند تقييم المخاطر الصحية المرتبطة بجسيمات PM2.5، من الأهمية بمكان إعطاء وزن كبير لقيم النسب المئوية، مع التركيز بشكل خاص على النسب المئوية المنخفضة، لأنها تقدم تصويرًا أكثر دقة لمستويات التعرض والمخاطر الصحية المحتملة للسكان. قد لا تغلف مقاييس المتوسط والتباين بشكل كامل الطيف الشامل للمخاطر المرتبطة بالتعرض لجسيمات PM2.5. تم استخدام مناهج مختلفة، بما في ذلك نهج فاصل الثقة العام (GCI)، ونهج bootstrap، ونهج Bayesian، ونهج أعلى كثافة خلفية (HPD)، لإنشاء فواصل ثقة للنسبة المئوية لتوزيع Birnbaum - Saunders. لتقييم أداء هذه الفترات، تم إجراء محاكاة مونت كارلو، وتقييمها بناءً على احتمال التغطية ومتوسط الطول. تُظهر النتائج أن نهج GCI هو خيار مفضل لتقدير فترات الثقة المئوية. في الختام، يعرض هذا المقال نتائج دراسة المحاكاة ويعرض التطبيق العملي لهذه النتائج في مجال العلوم البيئية.

Translated Description (French)

La distribution de Birnbaum-Saunders joue un rôle crucial dans l'analyse statistique, servant de modèle pour la distribution du temps de défaillance en ingénierie et la distribution des particules 2,5 (PM2,5) en sciences de l'environnement. Lors de l'évaluation des risques pour la santé liés aux PM2,5, il est crucial de donner un poids significatif aux valeurs des percentiles, en particulier en se concentrant sur les percentiles inférieurs, car ils offrent une représentation plus précise des niveaux d'exposition et des dangers potentiels pour la santé de la population. Les mesures de moyenne et de variance peuvent ne pas englober complètement l'éventail complet des risques liés à l'exposition aux PM2,5. Diverses approches, y compris l'approche de l'intervalle de confiance généralisé (GCI), l'approche bootstrap, l'approche bayésienne et l'approche de la densité postérieure la plus élevée (HPD), ont été utilisées pour établir des intervalles de confiance pour le percentile de la distribution de Birnbaum-Saunders. Pour évaluer la performance de ces intervalles, des simulations Monte Carlo ont été réalisées, les évaluant en fonction de la probabilité de couverture et de la longueur moyenne. Les résultats démontrent que l'approche GCI est un choix favorable pour estimer les intervalles de confiance du percentile. En conclusion, cet article présente les résultats de l'étude de simulation et présente l'application pratique de ces résultats dans le domaine des sciences de l'environnement.

Translated Description (Spanish)

La distribución de Birnbaum-Saunders juega un papel crucial en el análisis estadístico, sirviendo como modelo para la distribución del tiempo de falla en ingeniería y la distribución de partículas 2.5 (PM2.5) en ciencias ambientales. Al evaluar los riesgos para la salud relacionados con las PM2.5, es crucial dar un peso significativo a los valores percentiles, centrándose particularmente en los percentiles más bajos, ya que ofrecen una descripción más precisa de los niveles de exposición y los posibles peligros para la salud de la población. Las métricas de media y varianza pueden no encapsular completamente el espectro integral de riesgos relacionados con la exposición a PM2.5. Se emplearon varios enfoques, incluido el enfoque de intervalo de confianza generalizado (GCI), el enfoque de arranque, el enfoque bayesiano y el enfoque de densidad posterior más alta (HPD), para establecer intervalos de confianza para el percentil de la distribución de Birnbaum-Saunders. Para evaluar el rendimiento de estos intervalos, se realizaron simulaciones de Monte Carlo, evaluándolas en función de la probabilidad de cobertura y la longitud media. Los resultados demuestran que el enfoque GCI es una opción favorable para estimar los intervalos de confianza percentiles. En conclusión, este artículo presenta los resultados del estudio de simulación y muestra la aplicación práctica de estos hallazgos en el campo de las ciencias ambientales.

Additional details

Additional titles

Translated title (Arabic)
تقدير النسبة المئوية لتوزيع Birnbaum - Saunders وتطبيقه على PM2.5 في شمال تايلاند
Translated title (French)
Estimation du percentile de la distribution de Birnbaum-Saunders et son application aux PM2,5 dans le nord de la Thaïlande
Translated title (Spanish)
Estimación del percentil de distribución de Birnbaum-Saunders y su aplicación a PM2.5 en el norte de Tailandia

Identifiers

Other
https://openalex.org/W4392293216
DOI
10.7717/peerj.17019

Is supplement to
https://openalex.org/W4214910268 (Other)
https://openalex.org/W2586803801 (Other)
https://openalex.org/W2566515242 (Other)
https://openalex.org/W2162631808 (Other)
https://openalex.org/W2111799303 (Other)
https://openalex.org/W2106645586 (Other)
https://openalex.org/W2068872878 (Other)
https://openalex.org/W2054534394 (Other)
https://openalex.org/W2049950217 (Other)
https://openalex.org/W1590833474 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Thailand

References

  • https://openalex.org/W1965737663
  • https://openalex.org/W1970375475
  • https://openalex.org/W1975644945
  • https://openalex.org/W1978693144
  • https://openalex.org/W1982843669
  • https://openalex.org/W1984352904
  • https://openalex.org/W2002397075
  • https://openalex.org/W2004258534
  • https://openalex.org/W2005875379
  • https://openalex.org/W2005944024
  • https://openalex.org/W2023083016
  • https://openalex.org/W2029038406
  • https://openalex.org/W2034515216
  • https://openalex.org/W2040181733
  • https://openalex.org/W2052561761
  • https://openalex.org/W2054116834
  • https://openalex.org/W2056107173
  • https://openalex.org/W2077983750
  • https://openalex.org/W2083783800
  • https://openalex.org/W2091435102
  • https://openalex.org/W2114705407
  • https://openalex.org/W2126957488
  • https://openalex.org/W2127755978
  • https://openalex.org/W2131319501
  • https://openalex.org/W2141312445
  • https://openalex.org/W2192892776
  • https://openalex.org/W2222567474
  • https://openalex.org/W2420245345
  • https://openalex.org/W2493977830
  • https://openalex.org/W2618740726
  • https://openalex.org/W2621212896
  • https://openalex.org/W2792718348
  • https://openalex.org/W2891320882
  • https://openalex.org/W3009705484
  • https://openalex.org/W3111417808
  • https://openalex.org/W3165043322
  • https://openalex.org/W3216576913
  • https://openalex.org/W4221078923
  • https://openalex.org/W4389042596