成组复发事件下的加速失效时间模型

对成组复发事件数据建立了半参数加速失效时间模型,在这个模型中协变量对均值函数在整个复发过程中有加速、减速的作用.该文利用估计方程的理论,给出了该模型中未知参数和基本比率函数的估计,同时利用现代经验过程理论证明了所得估计的相合性和渐近正态性.     

区间删失数据下基于模型平均方法的估计及预测

将模型平均方法应用于区间删失数据下的加速失效时间模型中,并与模型选择方法进行了比较,模拟结果表明模型平均方法的估计要优于模型选择方法.将模型平均方法应用于心脏移植手术数据的实例分析中,结果表明相对于模型选择方法而言,模型平均方法的预测效果更好.     

随机右删失下核光滑乘积限估计的大样本性质

讨论了随机右删失下乘积限估计Ｆｎ（ｔ）与核光滑乘积限估计Ｆｎ（ｔ）之差（Ｆｎ－Ｆｎ）（ｔ）的大样本性质，得出了Ｆｎ（ｔ）的一般大样本性质，特别是ｎ＾１／２（Ｆ（ｔ）－Ｆ（ｔ）＝γｎ（ｔ）→Ｇｐ（ｔ）的充分与必要条件。     

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.     

基于EM算法及Cox回归模型下右删失数据的研究

右删失数据是删失数据中最常见的数据类型,通常出现在数学、医学和科学研究等领域,由于受到外界因素的影响和在实验过程中研究对象起始和结尾发生的结果不同就使得实验中发生了右删失数据。因此,在数据分析时处理产生的删失数据是最为关键的一步。旨在处理右删失数据的方法为EM算法和Cox回归两种方法,这里主要研究产生右删失数据的过程,并深入了解EM算法和Cox回归方法的基本思想。     

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。     

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．     

删失数据情形置信下限的模型选择方法

本文就一般总体未知参数的置信下限的设置问题提出了一种模型选择方法,其中数据是定时截尾的,所提出的方法可推广到一般情形。     

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.     

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。     

删失数据非线性回归模型的广义M估计

加速失效模型(AFT模型)是研究失效时间和协变量间相互关系的一类重要模型.在标准的AFT模型中,假设对数变换后的生存时间与协变量间是线性关系,本文将线性关系扩展到非线性,在广义M估计的目标函数中使用Kaplan-Meier权,提出右删失数据非线性回归模型的加权广义M估计.我们还得到了广义M估计的渐近性和相合性,并且通过模拟研究验证了该方法在有限样本情形下估计效果良好.     

基于光滑化方法的分段线性删失分位数回归模型估计

针对在分段线性删失分位数回归模型中的变点问题,该文通过引入光滑化方法得到了变点位置及模型系数的估计,推导了参数估计的大样本性质.光滑化方法解决了在变点估计方法中常用的格点搜索法存在计算烦琐、解释意义不强的问题,弥补了线性化技术无法证明渐近性的不足,提高了估计的有效性和稳健性.蒙特卡罗模拟结果验证了在同方差和异方差、固定和随机删失下在不同分位点时的估计效果都具有有效性和稳健性.药物滥用数据的实证分析表明:复发时间间隔与治疗时间存在正向影响,且复发时间在0.498处存在变点(0.5分位数),治疗时间在0.498之前的复发时间间隔比在0.498之后的更长,即大约前一半时间的治疗更加有效.     

无失效数据场合失效概率的Bayes估计

在无失效数据场合中,失效概率的Bayes估计是常用的方法,对一类不同先验分布下基于无失效数据的失效概率的Bayes估计和多层Bayes估计进行探索,获得了三个有用的定理和两个推论.关于无失效数据的研究,对可靠性理论与应用技术发展具有重要参考价值且具有方法论上的指导意义.     

函数型数据光滑系数的选择方法及其加速策略

采用L曲线法大致定位迭代初始点,结合牛顿法加速求解最佳光滑系数.数值试验表明,经验值可能造成不收敛,且定位不够准确,而L曲线法直观、有效地定位初始点,保证了收敛性.通过GCV牛顿法提高了求解速度,在精度和时间上都取得较好效果.     

竞争失效产品加速寿命试验的广义线性模型分析

本文利用广义线性模型方法研究了竞争失效产品恒定应力加速寿命试验的统计分析，其联系函数由产品各失效机理的加速方程组成，这样利用广义线性模型软件可得到参数估计，在计算上简便可行，同时我们还得到加速方程系数ｂ１．．．ｂｍ相等的检验方法。     

EM算法的BFGS加速算法

EM 算法是一种求参数极大似然估计的迭代算法,在处理不完全数据中有重要应用.EM 算法实现简单,数值计算稳定,存储量小,具有良好的全局收敛性,但EM 算法收敛速度慢只是次线性的收敛速度,妨碍了EM 算法的应用.现已提出了多种加速EM 算法收敛的方法.本文是在EM算法的拟Newton加速算法的基础上,使用非线性规划中对称秩2校正公式(BFGS公式)给出了一种新的加速EM 算法收敛的方法.它是针对EM的M步的,在共享 EM算法单调增加似然函数值和稳定收敛的基础上提高EM算法的收敛速度.最后用数值试验结果验证了该加速算法的有效性和可行性.     

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.     

竞争风险下纵列数据的随机效应建模和估计

为研究包含右删失的纵列生存数据,对每种风险建立一个COX比例危险模型,采用每种风险的危险率上都乘一个随机效应因子的方法,体现不同风险的危险率之间的联系,虽然这样做从通常的随机效应的边际似然估计方法来看是大大增加了难度,但更加符合实际。在模型估计上,采用等级似然估计方法,从而避免了求后验分布的积分运算,简化了估计过程。对竞争风险下比例危险的随机效应模型的等级似然函数,给出了推导和估计步骤。     

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.