混合删失样本下混合指数分布的估计（英文）

混合删失方案是Ⅰ型和Ⅱ型删失方案的一个组合,该删失方案在寿命数据分析已非常流行.混合指数分析模型是可靠性统计中非常受欢迎的一类模型.然而,带混合删失样本的混合指数分布的参数估计问题还没有出现相关的讨论,本文将来处理这个问题.文章利用EM算法获得了参数极大似然估计的显示表达式.最后,我们开展了一些数值模拟和实际数据分析来展示所提方法的估计效果.     

基于删失加权广义第二类Beta分布的动态模型

若时间序列的观测值中存在大部分零值和一些正值,并且正值服从某一连续分布时,常见方法的拟合效果可能不太好.为此,2020年Harvey和Ito提出了一种删失方法,该方法将原分布向左移动,即将原随机变量减去一个常数,并将得到的负值赋值为0,但他们采用的广义第二类Beta分布有一定的局限性.文章考虑了更一般的加权广义第二类Beta分布,采用条件得分方法,提出了删失加权广义第二类Beta动态模型.文章将这个模型应用到澳大利亚日降雨量数据中,并与删失未加权、零增广加权、零增广未加权的广义第二类Beta动态模型相比较,发现删失加权的模型要优于其它三种模型.     

相依删失情形下加速失效模型的广义M估计

在生存分析中,加速失效模型(AFT模型)是研究失效时问与协变量之间关系的一类重要模型.在AFT模型框架下,通过在广义M估计的目标函数中使用广义Kaplan-Meier权,本文提出了含相依删失数据的AFT模型回归系数及刻度参数的加权广义M估计.渐近性质方面,得到了广义M估计的相合性和渐近正态性;关于估计量的有限样本性质,通过模拟研究验证了该估计量在有限样本情形下效果良好.     

自适应逐步Ⅱ型混合删失下威布尔分布的参数估计

在可靠性试验中,自适应逐步Ⅱ型删失机制是Ⅰ型删失和逐步Ⅱ型删失机制的混合。Weibull分布一直是可靠性寿命试验的常用分布函数。在自适应逐步Ⅱ型删失机制下,给出分布中参数的极大似然估计,同时在样本量较小时给出boostrap纠正偏差估计量,并用数值模拟的方法验证估计结果的效果。     

相依结构样本次序统计量的随机比较及逐步删失寿命试验参数估计方法研究

对一组已知寿命分布的样本开展寿命试验,失效时刻构成一组次序统计量。本文研究带有相依结构的齐次和非齐次样本的次序统计量在通常随机序意义下的比较方法,将Ma (1997)针对独立样本的结果推广到相依样本的情形,并将推广后的结果应用到可靠性寿命试验中逐步删失次序统计量的随机比较中。最后,结合一个产品逐步删失寿命试验的案例,研究如何基于试验数据,对产品的寿命分布参数进行估计,进而研究了参数估计效果与哪些因素有关。     

逐步区间删失Weibull分布的Bayesian稳健设计

逐步区间删失是获取高可靠性产品相关信息的一种重要方法.文章研究了产品寿命服从Weibull分布,带有随机移除逐步区间删失寿命试验的最优设计问题.采用极大似然方法获取模型参数的估计及其信息矩阵.利用Bayesian方法处理模型参数未知情况下设计准则对模型参数的依赖问题,获得了模型参数估计的Bayesian稳健设计准则.在考虑试验费用有限制的条件下,给出了获得最优稳健设计非线性混合整数算法.同时对先验选取及约束参数设定的敏感性做了分析.数值结果表明文章提出的方法是有效可行的.     

广义逐步混合截尾下Fréchet分布的参数估计

Fréchet分布为极值Ⅱ型分布,也称逆威布尔分布(IW),在金融、保险、水文等领域被广泛应用.广义逐步混合截尾作为一个新的寿命试验方案,其优点在于进行寿命试验时,在规定的结束时间内能够获得一定数量的失效样本,既能保证试验效率,也可以较好提高参数估计的精度.将在此截尾方案下对Fréchet分布进行参数估计,采用EM算法方便地实现计算,并针对算法进行数值模拟以及对实际数据进行拟合分析,展示提出方法的优势.     

考虑区间删失数据的I-最优加速寿命试验方案

为了避免经典方法中Fisher信息矩阵的繁琐计算,并考虑两个或更多应力因子对加速寿命试验的影响,提出了基于区间删失数据的I最优加速寿命试验方案并进行了相应的灵敏度分析.将产品的正常使用条件考虑为一个应力水平组合的区域,I最优准则使得在这个区域上产品寿命的平均预测方差最小.假定失效时间分布服从Cox比例风险模型(Proportional Hazard Model),继而对区间删失数据使用广义线性模型(Generalized Linear Model)方法以得到I最优准则下的加速寿命试验方案,最后从模型参数、检测区间数、样本量、试验时间等角度进行了试验方案的灵敏度分析,验证了试验方案的稳健性,并讨论了如何利用这些因素来降低试验敏感性.     

有偏抽样下带信息观察和删失的面板数据的统计分析

面板数据经常出现在许多研究领域, 比如纵向跟踪研究. 在很多情况下, 纵向反应变量与观察 时间和删失时间都有关系. 本文在有偏抽样下, 针对这些相关性存在的情况, 利用一个不能观察的潜在 变量, 提出了一个联合建模方法来刻画纵向反应变量与观察时间和删失时间的相关性, 获得了模型中 回归参数的估计方程以及估计的渐近性质, 并通过数值模拟验证了这些估计在小样本下也是有效的, 同时把该估计方法用于一组实际的膀胱癌数据分析中.     

广义正交表和正交表的裂区试验设计法的比较

裂区试验设计方法是在正交表的基础上进行的.根据试验设计的数据分析结论要求具有再现性这一原理,将证明这种裂区试验设计法要有条件的使用才是合理的.由于广义正交表是保证设计表具有再现性的基本设计表,根据广义正交表来研究这种裂区试验设计方法的合理性.研究结果显示在裂区试验设计法对应的设计表是广义正交表,并且相应的数据分析方法采用广义正交表的数据分析方法时,才能保证其数据分析结论具有客观一致性和可重复再现性.     

基于Weibull回归模型的逐步Ⅱ型区间删失数据的统计分析

文章考虑带有随机移除的逐步Ⅱ型区间删失(PICR-Ⅱ)方案下生存数据的统计分析和试验方案的设计问题.给出了Weibull回归模型参数的极大似然估计和贝叶斯估计方法.利用模拟数据和实际数据,对不同估计方法下参数估计的结果进行了比较.给出了最优PICR-Ⅱ方案设计方法.     

链式区组设计与广义正交表

在区组设计理论中,当区组水平(处理)数很大时,经常采用一种链式区组设计.在基于链式区组设计收集数据时,相应的设计表已经不是平衡不完全区组设计(BIBD),因此基于BIBD的数据分析发展成的链式区组设计的数据分析方法将存在不足之处,突出的特点是试验的数据分析结论不再具有再现性.为了保证新的设计表仍然具有试验数据分析结论的再现性,至少需要相应的设计表是广义正交表,即至少需要保持新的设计表具有相遇平衡和正交平衡性质.也就是说:在某种条件下,基于链式区组设计收集数据,也能保证试验数据分析的结论具有再现性,仅需相应的新设计表是广义正交表即可.研究发现:在链式区组设计中,相应的设计表在某些条件下可以是广义正交表.从广义正交表的角度来看,证明了,将对称BIBD作为小组下标,由此构造的链式区组设计对应的设计表,仍然是广义正交表,从而说明了链式区组设计方法可以在试验设计理论中有条件的使用.这也启发可以把链式区组试验设计方法扩充成广义正交表的构造方法.     

删失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果.本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题.首先,逆删失概率加权方法被用来得到模型的参数估计.其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势.最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果.     

广义正交表方差分析的矩阵计算形式

广义正交表是一种类似于正交表的新设计.它是正交表的推广,可以像正交表一样进行试验设计和数据分析,但试验次数大幅减少.方差分析是统计推断的内容之一,本文从自由模型出发考虑方差分析,采用矩阵象技术,给出了广义正交表方差分析的矩阵计算形式,借助SAS软件可以方便快速的实现.     

广义指数分布下恒定应力加速寿命试验的贝叶斯分析

研究产品寿命服从广义指数分布的有关加速寿命试验的贝叶斯统计分析.首先介绍了广义指数分布在恒定应力下的加速寿命试验基本过程;其次在完全样本,和定数截尾样本下,分别给出了广义指数分布参数的贝叶斯估计;最后运用随机模拟方法对各种估计结果的优良性进行了分析比较.     

长度偏差右删失数据下分位数回归的估计方程方法

本文首先建立左截断右删失数据下的一般分位数回归方法.当截断变量服从均匀分布时,左截断右删失数据变成长度偏差右删失数据.长度偏差数据因其特殊性,提供了更多的信息.当把适用于左截断右删失数据的一般方法用到长度偏差右删失数据时,得到的估计量并不有效,这是因为它们没有利用该数据的特殊结构.为了提高效率,本文提出复合估计方程方法来解决长度偏差右删失数据下的分位数回归问题,这种方法并不需要估计删失变量的分布.所提出的估计方程可以通过一个求L_1型凸函数最小值的简单算法来求解.本文用经验过程和随机积分的技巧建立了所提出估计量的一致相合性和弱收敛性.随机模拟验证了所提出方法在有限样本时的表现,并且给出了实例分析.     

删失数据下几种两样本检验的功效研究

本文讨论了删失数据下的两样本检验问题,并提出了一个新的检验统计量.在样本来自指数分布和Weibull分布及不同的删失水平下,我们把这种检验与其它检验的功效进行了比较.结果表明,在某些情况下,这种检验比其它检验好.     

一类分布未来观测值的预测

利用贝叶斯方法对一类分布的未来观测值作出预测,此类分布是包括了Weibull,复合Weibull(三参数Burr-type X II),pareto,beta等分布的广义分布,先验分布也给出一个一般形式,其因参数的不同适合不同的分布.本文在所得历史样本为type II双删失情况下,获得了在单、双样本场合未来观测值的预测分布,并举例加以说明.     

删失数据中删失指标随机缺失下回归函数的非参数估计

本文在删失数据中删失指标随机缺失的情况下,运用非参数方法给出了回归函数的两种估计量,给出了估计量的一致收敛速度以及渐近分布,并进一步通过数值模拟验证了所提方法在有限样本下的性质.     

失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果．本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题．首先,逆删失概率加权方法被用来得到模型的参数估计．其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势．最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果．