带碎片协变量右删失数据的模型平均方法

考虑在带有碎片协变量的右删失数据下比例风险模型的模型平均问题,先利用极大似然估计方法对模型中的参数进行估计,再采用基于信息准则的模型平均方法选取权重.模拟结果表明,模型平均方法相比于模型选择方法预测精度更高.并通过乳腺癌实例分析验证了该方法的优越性和可行性.

考虑右删失数据的改进Jelinski-Moranda软件可靠性模型

针对软件可靠性测试停止时间不对应失效的右删失问题,给出考虑完全右删失失效数据的改进Je-linski-Moranda(J-M)模型。定量分析了右删失失效数据对可靠性参数评估值的影响,在此基础上分别给出基于残存缺陷比率、失效率以及可靠度函数的软件可靠性测试停止准则。最后将改进模型应用于一组失效数据集,计算结果表明,改进后的模型可充分挖掘右删失数据中蕴含的时间信息,得到更准确的参数评估值。并且所提出的停止准则可有效指导软件可靠性测试活动的开展,具有较好的工程应用价值。

左截断右删失数据下分位密度估计的重对数律(英文)

在左截断右删失数据下,我们基于乘积限估计给出了分位密度估计,获得了分位密度估计及其导数的重对数律.

右删失数据风险函数直方图估计

鉴于生存分析中风险函数较生存函数更能反映生存数据内在失效机制,基于累计风险函数的Nelson-Aalen估计量,构造了右删失数据风险函数的新直方图估计量,并对该估计量的偏差、方差、积分均方误差等统计性质进行了论证,对该估计量的使用注意事项进行了说明,通过数值模拟进一步说明了新估计量的合理性。

信息右删失数据下比例风险模型的估计问题

在生存分析中,对右删失数据问题的研究常假设删失时间与失效时间相互独立.然而研究者经常要面对非独立删失的问题, 即删失时间与失效时间可能相互关联并彼此影响,尤其表现在临床试验中. 如果不考虑这种相关性, 便无法得到生存函数的有效估计.针对这种相依结构已有很多处理方法, 其中连接函数因结构简单而尤为受到关注.本文主要对信息右删失数据下比例风险模型的相关估计问题进行了研究.利用阿基米德连接函数对删失时间和失效时间的联合分布函数进行假定,在连接函数参数的可识别条件下,得到了连接函数的参数、比例风险模型参数以及基准累积风险函数的极大似然估计,并通过模拟计算的方法验证了估计方法的可行性以及估计量的有效性.

带右删失数据的非线性随机效应模型参数估计

本文讨论了带右删失数据的非线性随机效应模型的参数估计,给出Gauss-Newton迭代法和改进后的Gauss-Newton迭代法,根据参数估计和算法给出数值模拟,验证了参数估计和算法的可行性.

右删失数据下Pareto分布参数的经验Bayes渐近性质

本文借助经验Bayes方法研究了Pareto分布参数的双边检验,由于此方法无需对先验分布强加限制,因而非常稳健。在随机右删失的情形下,为了估计未知的边缘密度函数及其导数,首先引入核估计方法,从而,进一步构造了参数的经验Bayes检验函数,并获得了所提出的检验函数的渐近最优性及其收敛速度。

带右删失数据非线性随机效应模型参数估计的渐近展开

首先给出了带右删失数据的非线性随机效应模型的参数估计,建立了该模型的欧氏几何结构,推广了Bates和Watts非线性回归模型的几何框架.然后,用几何方法讨论了估计量的渐近展开以及与统计曲率有关的渐近性质.

左截断右删失数据光滑分位估计的渐近性质(英文)

文中提出了随机左截断右删失数据下的一种光滑分位估计，推导出此光滑估计的相合性和渐近正态性．同时获得了该估计的强弱Ｂａｈａｄｕｒ表示定理．

右删失数据下广义线性模型的统计诊断

研究了带有右删失数据的广义线性模型的统计诊断问题。首先构造了右删失数据下的似然函数,推导出了参数的极大似然估计。基于数据删除模型,推导出了数据删除前后参数估计的一阶近似公式,推广了广义Cook距离和似然距离等用来判定异常点或强影响点的诊断统计量,并证明了两者的等价性。最后通过实际数据分析,验证了该理论的正确性和实用性。

左截断右删失数据下尺度参数与协变量相关时广义指数分布的估计及应用

在左截断右删失数据类型下,当时间变量T服从广义指数分布时,针对尺度参数是否受协变量影响建立两种模型,并用极大似然估计法给出参数估计,用Newton-Raphson算法求解参数估计.将两种模型分别应用到变压器寿命数据集和Channing house数据集中,得到了其生存函数和风险函数.

基于模型平均的右删失数据下加速失效时间模型的统计推断研究

在生物统计研究领域中,经常会由于各种原因出现数据删失的情况。此时研究人员不能精确观测到某个个体的确切失效时间,只能观测到生存时间大于删失时间,即右删失数据。相对于比例风险模型和可加风险模型,由于加速失效时间(AFT)模型更具有解释性,因此考虑采用AFT模型来对右删失数据进行建模。传统的AFT模型都是在协变量给定的情况下进行统计推断研究,这样可能会导致估计结果不准确。克服这种问题的有效途径是使用模型平均方法,通过对候选模型的估计量进行加权,可以减少估计的均方误差,稳健性更强。据此,从避免指定协变量构建模型引起的不准确性入手,针对右删失数据提出一种基于模型平均方法的加速失效时间模型。在极大似然估计方法的框架下,采用基于信息准则的模型平均方法进行参数估计及预测研究。数值模拟结果显示,在右删失数据下基于模型平均方法的AFT模型估计精度高于模型选择方法下的参数估计精度,证实了在右删失数据下使用模型平均方法可以得到更准确更稳健的估计结果。实例部分采用一组肺癌数据进行分析,结果显示基于模型平均方法的加速失效时间模型预测精度更高,进一步说明了模型平均方法的优势。

基于左截断右删失数据的Lomax分布形状参数估计

Lomax分布是数理统计中一种重要分布,基于EM算法及极大似然法研究了左截断右删失数据下Lomax分布的参数估计,推导出参数的迭代式,并应用随机模拟对参数迭代式进行模拟检验,结果表明,迭代式能够快速收敛,估计值精确度较高.

左截断右删失数据下线性模型的加权复合分位数估计及变量选择

在可靠性及生存分析等领域中经常出现左截断右删失数据,即指在某种设定下,样本值不能被完全观测到的数据.左截断右删失数据下线性回归的参数估计方法一般选用加权分位数估计,然而加权分位数估计只考虑了单个分位点的损失,在估计效率方面存在缺陷.为克服这一缺点,针对左截断右删失数据下线性模型的参数估计问题,提出了加权复合分位数估计方法.此外,为识别模型中的非零参数并进行变量选择,建立了基于自适应Lasso的惩罚加权复合分位数估计,并在一定假设条件下,证明了所提估计具有渐近正态性和Oracle性质.数值模拟和实例分析结果表明,本文提出的惩罚加权复合分位数估计具有良好的变量选择性质,并且加权复合分位数估计与加权分位数估计相比,具有更高的估计效率.

竞争风险下右删失数据的剩余寿命分位数回归预测

文章针对竞争风险下的右删失数据,建立了剩余寿命分位数回归模型,其中分位数与协变量呈对数线性关系,协变量随时间动态变化,并得到了动态协变量与剩余寿命分位数之间的函数关系。进一步得到模型参数的估计量,推导了估计量的渐进性和一致性。最后数值模拟验证了所提出的估计方法在有限样本时的性质,并给出了Channing House数据集的实例分析。

右删失数据下多响应AFT模型的两阶段估计

在生存分析领域,加速失效时间(AFT)模型经常被用于预测事件发生的时间.本文将该模型推广到多事件时间情形,提出了多响应AFT模型,并假设协变量是高维的,模型的系数矩阵是联合低秩且稀疏的.此外还假设多个事件时间受制于同一个右删失变量.为了估计模型中的系数矩阵,本文提出一个两阶段方法,先对数据进行逆概率删失加权(IPCW),再用SESS算法求解一个稀疏降秩回归问题.本文通过数值模拟,验证了所提方法的有效性.最后将该方法应用于一个关于白血病患者骨髓移植的临床数据集.

右删失数据下半参数线性转换模型的经验似然推断

右删失数据是删失数据中最常见的数据类型,通常出现于临床试验、生命科学、医药追踪研究等领域,由于外在条件的局限性以及观测个体在开始或结束试验时存在差异性,导致实验中出现右删失数据。在右删失数据下,文章基于Buckley-James方程对回归参数进行经验似然推断,并证明所提出的调整经验似然比统计量收敛于标准的卡方分布,进而得到回归参数的置信区间,最后进行了数值模拟研究,模拟结果显示所提出的经验似然方法优于基于KSV方法的经验似然方法。

混合治愈模型下长度偏差右删失数据的治愈率估计

混合治愈模型在生存分析、医学统计中是一类很适用的模型,其总体包含治愈部分个体,对于部分个体的生存时间被一个均匀分布的随机时间截断,且带有右删失的复杂情形,本文提出了新的非参数估计量来估计治愈率。在常规的条件下,可以证明该估计量具有相合性和渐近正态性。

非线性模型在右删失数据下的统计诊断

本文研究了非线性模型在带有右删失数据下如何统计诊断的问题。首先用极大似然估计的方法求出了参数的估计问题。再对模型运用数据删除思想进行考量,求出了删除前后参数的公式,给出了判定影响点和异常点的一些统计量。最后,通过数值模拟分析,证明了该方法的可行性。

左截断右删失数据下分位数差的估计

首先,利用核光滑方法研究左截断右删失数据下总体分位数差的估计,得到了左截断右删失数据下分位数差的光滑估计及估计量的大样本性质.其次,在均方误差意义下,证明了光滑分位数差估计比左截断右删失数据下乘积限分位函数的差有更高的估计效率.最后数值模拟分析高斯核函数下选择不同窗宽对改善乘积限分位数差估计效率的影响.