中间删失下指数分布的参数估计

考虑中间删失数据的指数分布,我们观测不到落在某个随机区间内的数据。用图解法得出参数的极大似然估计,在随机删失区间的端点分布已知的条件下推出参数的矩估计。     

分组与删失数据下几何分布的参数估计

研究了当寿命分布为几何分布时,观测数据分组与可能删失的情况下的参数估计,利用EM算法求出了参数的MLE估计,在平方损失下得出了参数的Bayes估计,并应用近似Beta分布加权和的方法得出了参数的近似的Bayes置信下限.     

基于双边删失数据生存函数的非参数Bayes估计

关于参数估计问题,Bayes方法已经得到了广泛的研究,而在非参数估计问题中Bayes方法仅仅从1973年才开始受到注意,Ferguson将Dirichlet过程先验应用于多种函数及统计量的非参数Bayes估计。在此基础上,针对右删失数据,Susarla和Van Ryzin,Tsai研究了生存函数的非参数Bayes估计问题。本文进一步讨论了在双边删失场合下生存函数的非参数Bayes估计及相应的大样本性质。     

基于删失数据的广义Pareto分布的Bayes分析

研究对于删失数据的广义Pareto分布的Bayes分析。在几种损失函数下,给出了未知参数的Bayes估计,并给出了一种算法。     

(a,b)类分布的统计性质

通过用Bayes方法对(a,b)类分布进行分析,研究相关方差与期望的关系,并给出a与b的矩估计和极大似然估计(MLE).在极大似然估计基础上,利用Lindley逼近引理,给出(a,b,0)类的Bayes估计,并运用MATLAB进行相关模拟.模拟结果表明,对于(a,b,0)类分布的估计,若样本数量较大,则选择Bayes估计更好;反之,选择矩估计更好.     

右删失数据下的限制平均寿命问题

在右删失数据下构造了“新”的随机变量,在删失变量分布已知的条件下,该变量的样本均值是限制平均寿命的方差有限的无偏估计; 在删失变量分布未知的条件下,利用该变量得到的样本均值是限制平均寿命的相合估计.数值模拟说明所提出方法的有效性和可行性.     

区间删失数据任意阶原点矩估计

针对区间删失数据的特点,受ClassK方法的启发,得到了一种ClassX方法,利用此种ClassX方法对区间删失数据任意阶原点矩进行了估计,并给出了4个具体的估计,最后通过模拟计算对这种估计方法的可行性和有效性进行了验证。     

回归函数改良核估计的收敛速度

回归函数的核估计在通常情况下需要核函数具有有界支撑 ,随机变量Y要求具有l阶矩 ,其中l>1。在核函数改进为包括无界支撑甚至不可积 ,并且去掉了对Y的矩的其它要求的情形下 ,讨论了回归函数改良核估计在完全样本及在删失样本情形下的收敛速度 ,得出了与原来情形同样的结论 ,推广和改进了文献 [1- 2 ]的相应结果     

删失情形下污染分布的近邻估计

本文研究了删失情形下污染分布中的污染系数和未知原分布的近邻估计，并且分别在删失分布已知和未知时证明了估计的一致弱相合性，最后给出了污染系数的模拟结果。     

删失回归模型的随机逼近

讨论了删失回归模型系数的LAD估计．Rao and zhao(1992)提出了一般线性回归模型系数的M估计的随机逼近，本文把这一方法推广到删失回归模型。     

删失数据威布尔分布参数的贝叶斯统计分析

主要讨论了当寿命分布是威布尔分布时删失数据的贝叶斯统计分析方法．在考虑尺度参数先验取为逆伽玛分布而形状参数先验分别取为离散分布和均匀分布条件下给出了多种删失数据场合参数的贝叶斯估计;同时为使得计算更为简便,给出了计算贝叶斯估计的Gibbs抽样方法．模拟结果表明给出的方法是有效可行的．     

不完全数据情形下指数分布参数的极大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,还提出了分组数据场合参数极大似然估计的图解求法。     

不完全数据情形下指数分布参数的最大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,本文给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,论文还提出了分组数据场合参数极大似然估计的图解求法。     

恒定应力加速寿命试验数据缺失时的统计分析

试验数据缺失是加速寿命中经常遇到的情况，处理起来也较复杂，当产品寿命服从指数分布时，该文研究了恒定应力加速寿命试验中数据缺失时的统计分析方法，讨论了加速模型参数的极大似然估计（MLE）与线性估计（BLUE与ABLUE），证明了极大似然估计的存在性与唯一性，并对各种估计的优良性进行了模拟比较。     

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．     

强混合删失数据密度函数估计的r阶相合性

在α-混合序列下,研究了基于删失数据的密度函数f(x)核估计的r(r>2)阶相合性,并给出了失效率函数λ(x)的估计,且证明了其r(r>2)阶相合性.     

Weibull分布CE模型序进试验下逐次截尾的统计分析——应力为时间的一般线性关系

针对累积损伤模型,在序进应力下给出了逐次截尾试验下两参数Weibull分布在阿伦尼斯方程下和逆幂律方程下的极大似然估计．通过Monte-Carlo模拟考察了参数估计的精度,结果表明随着样本的增大,估计的精度逐渐提高．同时,在总样本量相同的条件下,截尾样本个数较小时,估计的精度有所提高．     

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。     

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。     

位置尺度分布族中截尾数据的Fisher信息量

证明了混合型截尾数据的渐近Fisher信息矩阵和Ⅰ型截尾数据的Fisher信息矩阵一致。该结果可以推广到一般的对数位置尺度分布族,如Weibull分布、对数正态分布等。