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.     

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.     

区间删失下广义幂威布尔回归模型的参数估计

为研究区间删失的观测数据,结合广义幂威布尔分布和非线性回归模型提出了广义幂威布尔非线性回归模型,并基于迭代法给出了模型中参数的极大似然估计.最后就不同危险函数、样本量和删失比,通过蒙特卡洛模拟说明了参数估计方法的有效性.     

区间删失复发事件数据混合效应模型

通过向一般速率模型中引入随机效应项来研究区间删失复发事件数据的个体异质性,允许协变量对含有区间删失的复发事件数据产生影响。在给定随机因子和协变量的条件下建立基于区间删失复发事件数据的混合效应模型。利用极大似然方法估计此模型中所感兴趣的参数,证明此混合效应模型中参数估计的相合性与渐近正态性。通过大量的数值模拟试验研究混合效应模型和参数估计方法的有限样本性质,对一组真实膀胱癌数据的分析表明服用三胺硫磷可以降低膀胱癌的复发率。     

部分区间删失数据下广义指数分布的参数估计及应用

考虑部分区间删失数据, 当时间变量服从广义指数分布时, 在尺度参数是否受协变量影响下建立两种模型, 再对模型参数进行极大似然估计, 并用Newton-Raphson算法求解参数估计值. 模拟实验和实例分析结果验证了模型的有效性.     

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．     

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.     

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。     

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。     

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。     

数据缺失场合三参数Weibull分布的参数估计

给出了缺失数据场合三参数Weibull分布参数的近似极大似然估计，通过Monte-Carlo模拟例子及实例证实了所给方法的可行性。     

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．     

随机删失下极大似然估计的中偏差

在一些正则性条件下、利用Cramr方法的某些技巧得到了在随机删失数据下极大似然估计的中偏差.     

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。     

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.     

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。     

随机删失下极大似然估计的重对数律

利用Cramér方法证明了在随机删失数据下极大似然估计的重对数律.     

信息区间删失数据的参数估计及敏感性分析

基于连接函数构造了信息区间删失数据的似然函数,研究了信息区间删失的分布函数问题.连接函数的假定会对估计结果产生一定的影响,通过模拟计算对这种影响进行了敏感性分析.     

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.