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.     

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.     

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。     

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。     

左截断右删失数据下伽马分布的参数推断

伽马分布是生存分析中应用较为广泛的一种连续型寿命分布。本文基于矩估计方法研究左截断右删失数据下伽马分布的参数估计问题,通过引入潜在数据推导出参数迭代公式,利用矩估计方法的渐近正态性质得到伽马分布参数的渐近置信区间,并进行数值模拟实验。模拟结果表明：在删失比例较小的情况下,参数推断的结果更接近真值;矩估计方法适合大样本情况,同种删失比例随着样本量增大,参数估计的效果更好,渐近置信区间长度变短。     

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.     

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．     

左截断右删失数据下指数分布参数多变点的贝叶斯估计

主要利用MCMC方法研究了左截断右删失数据下指数分布多变点模型的参数估计问题.通过筛选法和逆变换法得到了指数分布的完全数据,在获得各参数的满条件分布后,利用MCMC方法得到了Gibbs样本,把Gibbs样本的均值作为各参数的估计.随机模拟的结果表明各参数估计的精度都较高.     

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.     

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.     

截断删失数据下泊松分布参数的点估计

利用EM算法和MCMC方法对截断删失数据下泊松分布寿命参数的点估计进行了研究.利用逆变换法和舍选法对缺损数据进行了填充,获得了产品的完全数据,得到了参数的EM迭代公式.对满条件分布进行了抽样,把Gibbs样本的算术平均值作为参数的MCMC估计.随机模拟的估计效果较好,估计值比较稳定,且精度较高.     

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．     

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。     

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.     

关于指数分布参数的两种估计

利用极大似然估计以及方向极大似然估计的概念,分别得到了双参数指数分布的参数的估计量,并证明了双参数指数分布中的两个参数满足双曲线型关系     

区间删失数据情形下GE分布参数的最大似然估计(英文)

讨论了样本数据为区间型数据时参数的最大似然估计问题.当数据为区间删失情形时,参数最大似然估计的精确表达式不存在,甚至近似解都很难得到.由于区间型数据是一种不完全数据,所以利用EM算法来求参数的近似最大似然估计.为了演示,提供了一个真实寿命数据分析的实例.     

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.     

两参数广义指数分布族形状参数的经验Bayes估计

利用经验Bayes方法研究了两参数广义指数分布未知形状参数的Bayes估计,并给出了数值模拟例子,说明此种方法估计的有效性.