基于Signature和Ⅱ型双删失系统寿命数据的统计推断

基于Signature理论和方法, 建立Ⅱ型双删失情形下元件寿命的统计推断模型, 用极大似然估计及其渐近理论, 推导出系统元件寿命分布参数的点估计及渐近置信区间估计的解析表达式, 并通过3种优化算法获得相关估计的数值解. 仿真结果表明, 基于Signature的似然函数统计推断模型对Ⅱ型双删失情形下元件寿命的推断有效.     

循序Ⅱ型删失数据下可靠性参数置信区间估计方法

修正威布尔分布模型能够准确表征复杂航空装备故障率"浴盆曲线",利用该模型构建置信区间估计方法。以循序?Ⅱ型删失数据下修正威布尔分布的最大似然点估计方法为基础,设计了基于自助法的置信区间估计方法。通过案例分析,对一组失效数据进行拟合,根据按百分比排列的自助算法,获取了修正威布尔分布的参数估计值和置信区间,与Bayes区间估计结果进行了对比,得出以下结论:同等置信度水平下,用自助法进行区间估计避免了复杂的运算,方法简单且结果准确,为循序Ⅱ型删失计划下的可靠性评估问题提供了可行的理论分析方法。     

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.     

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.     

基于删失数据的Log-Gompertz回归模型的统计推断（英文）

Gompertz模型在人类学研究中被广泛使用.讨论了基于对数不换的Gompertz模型,即log-Gompertz模型.研究了参数的极大似然估计和渐近置信区间,并提供了利用Bootstrap方法寻找参数的置信区间.在不同参数、不同样本容量以及不同删失计划的情形下,给出相关数值模型结果用以评价所建立的回归模型.     

区间删失数据函数的均值估计

运用无偏转换思想构造了区间删失数据函数的均值估计,并在此基础上对所构造的估计量方差进行了研究.针对Ⅰ型区间删失情况和Ⅱ型区间删失情况,找到了估计量方差有限的条件.     

逐步增加的Ⅱ型删失下Lomax分布的参数估计

在逐步增加的Ⅱ型截删失样本下,通过构建统计量得到了Lomax分布中两参数的逆矩估计和区间估计,并利用随机模拟的方法说明了所给估计的精度.     

威布尔分布下未来观测值的预测

在历史样本为Ⅱ型双删失情形下 ,得到了未来观测值的后验预测分布密度     

Ⅱ型双删失场合瑞利分布参数的点估计和区间估计

本文考虑Ⅱ型双删失场合的瑞利分布的参数估计问题。首先,采用极大似然思想结合图解法给出参数的点估计;然后,通过变量代换,并利用次序统计量的性质,我们得到了参数的区间估计。     

异方差删失下多元加速失效时间模型的参数识别性

证明了条件矩不等式的解与异方差删失下多元加速失效时间模型回归参数的一致性,解决了异方差删失下多元加速失效时间模型回归参数的识别性.     

逐步Ⅱ型删失数据下广义指数分布形状参数估计

该文研究了在逐步Ⅱ型删失数据下,广义指数分布形状参数的E-Bayes估计,在损失函数为平方损失的情况下,分别给出了三种超参数先验分布的E-Bayes估计表达式.运用R软件中的mcmc程序包进行数值模拟,模拟结果表明,估计效果比较稳健,在相同的样本量下估计值的大小顺序为:■,第三种超先验的估计效果最好.     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题。主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间。最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大。在置信区间的构造方面,不论是小样本还是大样本,最大后验密度置信区间确实比传统的置信区间有效。     

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.     

区间删失数据下参数估计的比较

主要讨论了寿命分布为指数分布时区间删失数据的参数估计。在I型删失情况下得到了参数的Bayes估计和矩估计。进而,利用数值模拟的方法比较了Bayes估计和矩估计的优劣。     

中间删失双参数指数分布的参数估计

考虑中间删失数据的双参数指数分布，我们观测不到落在某个随机区间内的数据．在随机删失区间的端点分布已知的条件下得到参数的矩估计量及其强相合性．     

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。     

基于多重插补神经网络模型的减压病人危险率变化估计

针对238名宇航员减压病区间删失数据,应用多重插补法将区间Ⅱ型数据插补为右删失型数据,基于神经网络分段指数模型,分析了具有不同协变量的受试者危险率变化情况,同时绘制出不同群体的危险率变化曲线.结果表明,该模型可以较好地反映出危险率变化情况,而且相较于传统的统计分析方法更具灵活性.     

区间删失数据下基于OLLGG分布的多参数回归模型的参数估计

该文基于Ⅱ型区间删失数据,在OLLGG分布下提出多参数回归模型,通过线性回归刻画分布参数与协变量之间的关系,并通过极大似然方法给出了模型的参数估计,数值模拟验证了模型参数的估计有良好的性质,将提出的模型应用到血友病患者HIV感染的数据中,发现提出的模型对数据有灵活的拟合效果.     

中间删失数据丢弃情形指数分布的参数估计

考虑中间删失数据丢弃情形的指数分布,我们观测不到落在某个随机区间内的数据。当随机删失区间的端点的分布满足一定条件下得出参数的极大似然估计。     

Ⅰ型逐阶区间删失Weibull数据的统计分析

研究了逐阶区间删失Weibull数据的参数估计和最优随机删失计划.应用极大似然估计方法得到参数的估计值,应用最小方差准则给出局部最优删失计划和全局最优删失计划.一个生物医学应用例子及Mont-Carlo数值模拟方法验证方法的有效性.