广义I型逐阶区间删失混合Weibull数据的参数估计

源于有限混合总体的广义I型逐阶区间删失数据参数估计方法的研究不多,基于有限混合Weibull模型,讨论Expectation-Maximization(EM)算法对广义I型逐阶区间删失数据参数估计的有效性及其改进。首先给出估计参数的EM算法,通过仿真算例,说明EM算法对广义I型逐阶区间删失混合数据参数估计产生了过度迭代现象,进而,提出了停止EM算法的加权绝对偏差信息准则。改进的EM算法改善了EM算法无法确定参数估计停止迭代时刻的不足,在选择适当初值后,可快速获得满意的参数估计结果。仿真算例验证了该方法的有效性。     

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。     

基于贝叶斯Cox分段指数模型的烧伤感染时间分析

研究在右删失数据下,基于贝叶斯分段指数模型的Cox回归.在删失数据下建立Cox比例风险模型,估计出协变量对感兴趣事件的影响程度.对于Cox模型中基准风险函数,这里采用分段指数方法.对基准风险函数所在区间分段,在每一段上用指数估计基准风险函数,又运用了贝叶斯的方法,对基准风险函数中的参数进行贝叶斯估计,得到更合理的估计结果.最后将该方法应用于烧伤病人的实际数据中,所得结果对烧伤后的治疗具重大实际意义.     

Cox模型中参数满足线性不等式约束的似然估计

研究了Cox比例风险模型中协变量部分缺失且参数满足线性不等式约束下的极大似然估计问题。在实际问题中，特别是对生存分析的研究中，数据经常会出现删失、截断、缺失的情况。本文利用EM算法和约束下优化算法得到的数据部分缺失且参数满足线性不等式下的极大似然估计。     

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.     

右删失左截断数据下离散威布尔分布的参数估计

研究了右删失左截断数据模型下离散威布尔分布参数的极大似然估计和渐近置信区间.介绍了参数估计的牛顿迭代方法和EM算法,给出了参数的渐近置信区间.随机模拟的结果表明,牛顿迭代方法和EM算法得到的参数估计结果差别不大.     

随机删失数据下基于EM算法的Weibull分布参数估计

生存分析中的观测数据具有样本小、数据随机删失的特点．而目前处理这类问题所使用的参数估计方法并不理想．作者基于EM算法给出随机删失数据下Weibull分布的参数估计方法。证明了估计量满足一个非线性方程组，并用实例表明了此方法的有效性．     

关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计,得到了在Matlab中利用迭代算法计算参数估计值的方法.     

模型中协变量部分缺失情况下参数的极大似然估计

研究了Cox比例风险模型中协变量部分缺失参数的极大似然估计问题。在实际问题中特别是对生存分析的研究中,数据经常会出现删失、截断、缺失的情况。如何利用这部分不完整的数据信息和参数的约束信息对于实际问题来说是具有意义的。这样可以提高分析的精度,并节省试验费用。本文利用EM算法得到了数据部分缺失参数的极大似然估计。     

基于数据分组与右删失情形下一般瑞利分布的参数估计

研究了一般瑞利分布在分组与右删失情形下参数的估计问题,利用EM算法求出了参数的极大似然估计,最后模拟结果表明这种方法具有良好的收敛性与可行性．     

模型中协变量部分缺失情况下参数的极大似然估计

研究了Cox比例风险模型中协变量部分缺失参数的极大似然估计问题.在实际问题中特别是对生存分析的研究中,数据经常会出现删失、截断、缺失的情况.如何利用这部分不完整的数据信息和参数的约束信息对于实际问题来说是具有意义的.这样可以提高分析的精度,并节省试验费用.本文利用EM算法得到了数据部分缺失参数的极大似然估计.     

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.     

右删失数据下带辅助信息的部分线性分位数回归模型经验似然推断

利用经验似然结合辅助信息的方法来改进右删失数据下部分线性分位数回归模型的参数估计,通过数值模拟在不同的右删失数据和不同的未知非参数函数下,比较了传统部分线性分位数回归方法和带辅助信息的部分线性分位数回归方法的估计结果的均方误差,进而证明了利用经验似然方法结合辅助信息的部分线性分位数回归方法更有效.     

逐步Ⅱ型删失数据下逆威布尔分布的参数推断

逐步Ⅱ型删失方案在可靠性工程和生物医学中应用最为广泛,为此考虑在该删失方案下对寿命数据中常见的逆威布尔分布两参数进行推断。为解决对数似然函数过于复杂、求解较为困难的问题,利用EM算法进行参数估计,利用Bootstrap法进行区间估计。通过Monte Carlo模拟比较了不同删失模式下两参数的估计效果并通过实例分析展示了该估计方法的有效性。     

基于EM算法的一般Ⅱ型逐步删失数据下的参数估计

一般Ⅱ型逐步删失数据是一种重要的获取寿命数据的类型,获取该模型下参数的极大似然估计往往很困难.本文讨论了对数正态分布总体下,利用EM算法,给出了一般Ⅱ型逐步删失数据下参数的极大似然估计,并将其与经典的Newton-Raphson方法进行了数值模拟和比较,结果表明,效果很好.     

截断删失数据下线性指数分布的参数估计

研究了截断删失数据模型中线性指数分布的参数估计问题。分别利用极大似然估计法和EM算法对未知参数进行估计,并给出参数估计随机模拟检验,通过检验发现:极大似然估计得到的参数估计和EM算法得到的参数估计结果差不多,但是EM算法的收敛速度较快。     

删失非线性模型的中位数回归

研究了带有不完全数据的非线性模型的中位数回归问题.将完全数据线性回归模型的L1方法推广到随机右删失非线性中位数回归模型中,提出了一种估计非线性中位数回归模型参数的半参数方法,并得到了估计量的强相合性和渐近正态性.     

Ⅰ型双删失样本下Lomax分布形状参数的估计

基于Ⅰ型双删失样本求Lomax分布中形状参数的极大似然估计,并不能得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的.用EM算法得到了未知参数的迭代公式,通过相关引理证明了该算法具有良好的收敛性.通过一个例子分别计算出参数θ的极大似然估计和EM估计,并把它们进行了比较,验证了EM算法是Ⅰ型双删失样本下参数估计的一种有效方法.     

带有右删失的最小乘积相对误差估计

考虑了带有右删失的乘积回归模型.在随机右删失的情形下,通过逆概率加权的方法将乘积相对误差准则推广到右删失的情形.在一定的正则条件下,建立了估计的相合性和渐近正态性.最后,通过数值模拟展示所提出方法的效果.     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。