左删失右截断数据的分位数的固定宽度序贯置信区间估计

基于左截断右删失数据下的乘积限估计构造了分位数固定宽度序贯置信区间及其估计,研究了序贯置信区间估计的渐近性质.作为副产品,获得了分位数估计近邻点的Bahadur表示定理.这个表示定理是推导分位数固定宽度序贯置信区间估计渐近性质的重要基础.同时,在文中,进行了一些计算机模拟试验,证明了左截断右删失数据下分位数估计的序贯方法是有效的和精确的.

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.

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．

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.

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.

左截断右删失数据下离散型寿命失效率变点模型的Bayes参数估计

利用EM算法和MCMC方法得到了左截断右删失数据下离散型寿命失效率变点模型的参数估计.利用筛选法对缺失数据进行填充,对各参数进行Gibbs抽样.随机模拟证实方法可行且参数估计的精度较高.

基于左截断右删失数据的单参数Pareto分布参数估计

基于EM算法及极大似然法研究了左截断右删失数据下单参数Pareto分布的参数估计,导出其迭代式,并应用随机模拟对参数估计式进行了模拟检验,结果表明迭代式能够快速收敛,EM估计值较为精确.

左截断右删失数据分位差估计及其渐近性质

我们研究了左截断右删失数据分位差,基于左截断右删失数据乘积限构造了分位差的经验估计,同时克服经验估计的非光滑性,提出了分位数差的核光滑估计.利用经验过程理论推导出这两个估计的渐近偏差和渐近方差,并且在左截断右删失数据下研究了这两个分位差的大样本性质,获得分位差估计的相合性和渐近正态性.同时给出计算模拟以验证光滑分位差估计的表现,在均方损失的意义下模拟结果表明光滑估计比经验估计具有更好的性质.

左截断右删失剩余寿命分位数的置信区间构造

在医学领域、可靠性分析和人寿保险市场中,剩余寿命是重要的研究范畴之一.因此,剩余寿命分位数区间的精确估计有着重要的意义.但是,在左截断和右删失同时存在的临床数据下,样本量通常很小,传统的置信区间构造方法多数不理想,而且涉及到的估计量方差的计算非常繁琐.为了避免上述困难,文章利用Jackknife-d方法构造了左截断右删失剩余寿命分位数的置信区间.同时,通过蒙特卡罗模拟和实例分析对Jackknife-d方法和传统的4种方法进行评价.模拟结果表明:小样本下,Jackknife-d方法得到的置信区间长度最短且覆盖率在大多数情况下都接近于名义水平,是剩余寿命分位数置信区间构造的一种很好的方法.

几何分布的参数估计及EM算法

几何分布是很重要的一种离散型寿命分布．通过添加缺损的寿命变量数据，得到完全数据的似然函数，进而利用EM算法，进行了随机模拟，得到的结果表明精确度较高，误差较小．