多重Ⅱ型删失数据场合 Logistic 分布参数的近似似然函数

在多重Ⅱ型删失数据场合,利用ML法做统计推断时,由于似然函数过于复杂,常遇到很大困难.通过文中方法我们获得了 Logistic 分布参数的近似似然函数,并在大样本场合,证明此似然函数以概率1收敛于原似然函数.     

Ⅰ型逐阶删失数据下基于EM算法的Weibull参数估计

研究了Ⅰ型逐阶删失数据下基于EM算法的Weibull参数估计,模拟产生不同Weibull参数组合和删失计划下的Ⅰ型逐阶删失数据,应用基于,EM算法的极大似然估计方法得到参数的估计值,并与数值方法得到的极大似然估计值进行对比,说明EM算法的估计效果.对73名肾脏移植患者生存数据进行实例分析,验证了基于EM算法的参数估计方法的可行性.     

指数总体删失数据的极大似然估计

对取自均值为λ的指数分布的缺失数据,在完全随机缺失、右删失、非随机缺失三种缺失机制下,分别推导了参数的极大似然估计,并做了随机模拟.     

Ⅰ型双删失下逆Rayleigh分布的统计分析

在Ⅰ型双删失样本下,用极大似然法得到了逆Rayleigh分布尺度参数估计的迭代公式.根据遗失信息原则计算出了Fisher信息矩阵,由极大似然估计的渐近正态性得到了参数的置信区间.取共轭先验分布,在平方损失函数下,求得了未知参数、可靠度函数的贝叶斯估计和参数的等尾置信区间.根据后验预测密度函数,得到了预测值的估计.通过Monte Carlo随机模拟,得到了多种估计值,并进行了比较,结果表明在小样本场合贝叶斯估计要优于极大似然估计.     

基于数据分组与右删失情形下对数正态分布的参数估计

本文研究了对数正态分布数据在分组与删失情形下参数的估计问题. 一是给出未知参数的极大似然估计存在且唯一的充要条件. 二是利用EM算法对参数值进行了估计.     

基于混合Ⅱ型删失数据的Weibull模型精确推断和可接受抽样计划(英文)

本文考虑基于混合Ⅱ型删失数据的Weibull模型精确推断和可接受抽样计划.得到威布尔分布未知参数最大似然估计的精确分布以及基于精确分布的置信区间.由于精确分布函数较为复杂,给出未知参数的另外几种置信区间,基于近似方法的置信区间.为了评价本文的方法,给出一些数值模拟的结果.且讨论了可靠性中的可接受抽样计划问题.利用参数最大似然估计的精确分布,给出一个可接受抽样计划的执行程序和数值模拟结果.     

Cox模型中区间删失数据的参数估计

对区间删失数据下的Cox比例风险模型,利用极大似然方法得到参数估计量,通过牛顿法和坐标下降法分别求出极大似然估计量的数值解;同时,对两种方法进行实证分析比较,所得结果表明了估计的稳定性与可行性.     

多重Ⅲ型删失数据场合Logistic分布参数的近似似然函数

在多重型删失数据场合,利用ML法做统计推断时,由于似然函数过于复杂,常遇到很大困难.通过文中方法我们获得了Logistic分布参数的近似似然函数,并在大样本场合,证明此似然函数以概率1收敛于原似然函数.     

威布尔分布组与删失数据下最大似然估计的存在性

本文研究寿命服从威布尔分布,观测数据分组与可能删失的情况下,最大似然估计的存在性,针对所有数据类型,我们给出了最大似然估计存在性的一个充分必要条件,文章结尾讨论了仅一个失效数据时最大似然估计的计算。     

非线性模型中的拟似然估计和约束拟似然估计

该文证明了,在非线性回归模型中,若以均方误差或均方误差矩阵为标准,拟似然估计是正则广义拟似然估计类中的最优估计,并讨论了拟得分函数最优性与拟似然估计最优性的关系.为改进拟似然估计,该文提出了一种约束拟似然估计,并证明了约束拟似然估计比拟似然估计有较小的均方误差.     

I型区间删失情形下部分线性模型Sieve极大似然估计渐近性质

本文在响应变量的观测值为I型区间删失数据的情形下,讨论部分线性模型Sieve极大似然估计的渐近性质。在一定条件下证明了该估计具有强相合性;参数分量的估计具有渐近正态性,并且是渐近有效的;非参数分量估计达到了最优弱收敛速度。     

随机删失下极大似然估计的局部渐近正态与渐近极小极大有效

研究观察数据被随机右删失时 ,参数分布族的局部渐近正态与渐近极小极大有效 .建立局部渐近正态成立的充分条件 ,给出渐近极小极大风险的下界以及达到该下界的充分必要条件 ,并证明随机删失下参数极大似然估计的渐近极小极大有效.     

基于删失数据的指数威布尔分布最大似然估计的新算法

本文讨论了指数威布尔分布当观测数据是删失数据情形时参数的最大似然估计问题.因为删失数据是一种不完全数据,我们利用EM算法来计算参数的近似最大似然估计.由于EM算法计算的复杂性,计算效率也不理想.为了克服牛顿-拉普森算法和EM算法的局限性,我们提出了一种新的方法.这种方法联合了指数威布尔分布到指数分布的变换和等效寿命数据的技巧,比牛顿-拉普森算法和EM算法更具有操作性.数据模拟讨论了这一方法的可行性.为了演示本文的方法,我们还提供了一个真实寿命数据分析的例子.     

比例风险模型下参数估计的两种MM算法的一些应用

对于带有删失机制的生存数据的研究,比例风险模型是应用最为广泛的统计模型之一。实际中,为得到其参数的极大似然估计需要采用数值方法计算得分方程的解。MinorizationMaximization算法(以下简称"MM算法")将求解复杂的目标函数的极值问题转化为求解简单的代理函数的极值问题。本文主要探讨,在比例风险模型下通过两种不同的思想为偏似然函数构造代理函数,从而得到的两种MM算法。通过数值模拟和实际数据分析实现这两种MM算法在比例风险模型下的一些应用。     

部分线性模型参数极大似然估计的收敛速度

针对部分线性模型, 在其随机误差的分布函数属于刻度族, 刻度参数未知, 并且响应变量的观测值为区间删失数据的情形下, 讨论了其Sieve极大似然估计的强相合性和弱收敛速度.     

截断与删失数据的极大似然估计的中偏差

本文研究了截断与删失模型,运用Taylor渐近展开方法,得到模型的极大似然估计的中偏差,比渐近正态性结果更加精细.     

基于混合Ⅰ型删失数据的威布尔模型精确推断（英文）

威布尔分布是可靠性和寿命测试试验中常用的模型.本文中,我们考虑了基于混合Ⅰ型删失数据的威布尔模型精确推断.我们得到了威布尔分布未知参数最大似然估计的精确分布以及基于精确分布的置信区间.由于精确分布函数较为复杂,我们也给出了未知参数的另外几种置信区间,比如,基于近似方法的置信区间,Bootstrap置信区间.为了评价本文的方法,我们给出了一些数值模拟的结果.     

家蝇的寿命分布

本文指出正半轴的Gompertz分布可以很好地拟合实验用家蝇的寿命分布, 指数分布是Gompertz生存模型的特例, 给出了正半轴的Gompertz分布的两个参数明确的生物学解释\bd 本文还讨论了参数估计的问题, 给出了正半轴的Gompertz分布的基于删失数据的极大似然估计和简单最小二乘估计.     

含右删失数据的ZIP模型及其应用

零膨胀Poisson回归(ZIP)是处理零频数过多计数资料的有效模型,而计数数据一般含有删失或不精密的特点.本文将删失数据引入到ZIP模型中来,分别建立含右删失数据的固定效应ZIP模型,随机效应ZIP模型,通过极大边际似然函数估计法对模型进行参数估计.最后,利用实例分析验证了上述模型的可行性.     

Pareto分布环境因子的估计及其应用

给出了Pareto分布环境因子的定义,讨论了在定数截尾样本下Pareto分布环境因子的极大似然估计和修正极大似然估计,并尝试把环境因子用于可靠性评估中.最后运用Monte Carlo方法对极大似然估计,修正极大似然估计和可靠性指标的均方误差(MSE),进行了模拟比较,结果表明修正极大似然估计优于极大似然估计且考虑环境因子的可靠性评估结果较好.