左截断右删失数据下OLLGG分布的参数估计

为了探索Odd Log-Logistic Generalized Gompertz(OLLGG)分布在生物学、社会学、计算机和市场营销等领域的广泛应用,本文研究左截断右删失数据下OLLGG分布的多参数回归模型,利用极大似然思想对参数进行估计。通过数值模拟,检验估计方法的有效性,并使用赤池信息量准则来选择适合的分布形式。最后,将本文的回归模型应用于channing house数据集,展示其良好的拟合效果。

左截断右删失数据下伽马分布的参数推断

伽马分布是生存分析中应用较为广泛的一种连续型寿命分布。本文基于矩估计方法研究左截断右删失数据下伽马分布的参数估计问题,通过引入潜在数据推导出参数迭代公式,利用矩估计方法的渐近正态性质得到伽马分布参数的渐近置信区间,并进行数值模拟实验。模拟结果表明:在删失比例较小的情况下,参数推断的结果更接近真值;矩估计方法适合大样本情况,同种删失比例随着样本量增大,参数估计的效果更好,渐近置信区间长度变短。

基于左截断右删失数据的指数分布参数估计

指数分布在生存分析中有着极其重要的应用。文章基于EM算法研究左截断右删失数据下指数分布的参数估计,通过建立似然函数推导出参数迭代表达式,并进行随机模拟试验和实证分析。结果表明EM算法迭代4次后即可收敛,收敛速度很快且估计值较稳定。

基于BB算法的左截断威布尔分布可靠性分析

针对寿命分布类型和参数估计方法问题,对国内某航空公司现役机型B737-800飞机主起落架减振支柱漏油故障数据进行可靠性分析。结合数据类型特点,初步预判其寿命分布类型可能为左截断两参数威布尔分布、对数正态分布、指数分布。基于极大似然估计法分别估计三种分布的未知参数,并利用根据BB算法改进的柯尔莫哥洛夫-斯米尔诺夫假设检验(K-S检验)法判断其寿命分布类型。实证分析结果表明,采用左截断两参数威布尔分布来拟合是合适的,并提出了具体维修建议。

左截断右删失数据下几何分布参数的点估计

证明了左截断右删失数据下几何分布参数极大似然估计的存在唯一性,给出了由EM算法得到的参数的迭代公式,进行了随机模拟试验,结果表明参数的MLE和EM估计的精度都较高.

左截断数据下非参数回归模型的复合分位数回归估计

利用局部多项式方法研究了误差具有异方差结构的非参数回归模型,在左截断数据下构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,在服从一些非正态分布的误差下,得到该估计比局部线性估计更有效.

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.

左截断右删失模型下乘积限估计的强大数律(Ⅱ)

对左截断右删失模型，在不要求分布函数连续的条件下，给出乘积限估计F_n是真分布的一致强相合估计的完整结果．作为推论，还给出右删失模型下的K－M估计和左截断模型下的乘积限估计的一致强相合性的完整结果．

具有左截断、右删失寿命数据类型的生命表编制方法

左截断数据是一类特殊的寿命数据类型 ,其定义为一些动物个体并非在初始时间 (出生或孵化 )而是在某个时间 (年龄 )延滞之后才进入调查取样范围而收集到的一类寿命数据。传统的乘积限估计法只能处理寿终数据和右删失数据 ,对左截断数据则无能为力。本文提出一种对乘积限估计法改进方法 ,此种方法能同时处理寿终数据、右删失数据和左截断数据 ,从而有效地利用了左截断数据所含有的物种存活信息。

左截断右删失数据下非参数估计方法的研究

目的针对左截断右删失数据,现有的非参极大似然估计法(NPMLE)和Breslow-Fleming-Harrington估计法(BFH)都对小风险集情形极为敏感,此时生存率会出现急速下降,本文除了提出校正精度的新估计法,同时对现有方法进行比较研究。方法基于现有NPMLE和BFH,结合Lai-Ying加权思想和条件概率,介绍加权NPMLE和条件NPMLE法,并提出加权BFH法。利用绝对误差积分(IAE)和平均宽度积分(IAW)指标,通过模拟研究比较上述方法的估计精度。结果模拟结果显示NPMLE、BFH、加权NPMLE、加权BFH和条件NPMLE法的IAE值依次递增,而IAW值显示加权BFH法最小,NPMLE法最大,BFH、条件NPMLE和加权NPMLE法在高低删失率下IAW大小相互逆转。结论结合模拟结果和实际例子,存在小风险集时推荐使用加权BFH法,其次加权NPMLE法;没有小风险集时5种方法基本一致。

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．

左截断右删失下BurrⅫ分布形状参数的估计

对左截断右删失型BurrⅫ分布的样本数据,分别采用极大似然法和EM算法给出了形状参数的估计公式,并通过随机模拟方法给出了估计的结果。结果表明:极大似然法和EM算法均有较好的估计结果,极大似然法估计得到的结果相对误差更小。

基于KG和左截断数据中的Fisher信息量和MLE研究

在Koziol-Green模型和左截断数据下,研究了指数分布中未知参数λ的Fisher信息量,与全数据下λ的Fisher信息量进行对比,得到了该模型下左截断观察数据λ的Fisher信息量是完全信息量的两倍,对未知参数λ的极大似然估计做了统计推断,得出相应结论。

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.

左截断的Turnbull估计与相应右截断的Kaplan-Meier估计的关系

本文推导只有左截断的Turnbull估计与某种右截断机制下的KaplanMeier估计间的关系。

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.

左截断数据下回归函数的变窗宽局部线性M估计

在左截断数据下构造了回归函数的变窗宽局部线性M估计,得到了该估计的弱相合性以及渐近正态性结果,把文[1]在完全数据下的结果推广到左截断数据下.模拟结果表明该估计处理离群数据时具有稳健性.

左截断数据下非线性模型的加权分位数回归

左截断数据是一类具有特殊结构的缺失数据,当且仅当研究变量大于一定的阈值时才能取得观察值.本文针对左截断数据下的非线性回归模型,提出了加权分位数估计方法,利用加权方式处理左截断缺失数据,取得了与完整数据相近的估计结果.并在一定假设条件下,证明了所提估计方法的一致性和渐近正态性等大样本性质,最后通过数值模拟展现所提估计方法的有限样本表现.

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.