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.     

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。     

右删失数据下带协变量威布尔分布模型参数的估计

研究了数据右删失时威布尔分布刻度参数依赖于协变量情形下模型参数的估计问题,通过EM算法求解参数的极大似然估计.详细给出E步推导过程的同时,利用稳定的Gauss-Seidel迭代来实现M步.文章通过计算机模拟考察了所提方法在不同删失比例下的表现,并通过实例分析展示了该方法的应用.     

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.     

双边Ⅰ型删失下Topp-Leone分布的参数及可靠度的估计（英文）

首先,在双边Ⅰ型删失样本下得到Topp-Leone分布中参数的极大似然估计、渐近置信区间和Bootstrap置信区间,并进一步得到可靠度函数的渐近置信区间.其次,在不同的损失函数下得到了参数和可靠度函数的Bayes估计.通过蒙特卡罗模拟,计算出参数估计的均值和平均相对误差.最后,为了说明目的,还采用了一个真实的数据集.     

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.     

基于威布尔分布多部件应力–强度模型的贝叶斯推断（英文）

本文考虑了一个多部件应力–强度模型的可靠性,该模型包括一个应力和多个强度的串联系统.当应力和强度变量服从相同形状参数的威布尔分布时,推导了参数的Jeffreys先验,并给出基于该先验时后验适当性的充要条件.利用Lindley近似和马尔可夫链蒙特卡罗方法对系统可靠性进行估计.通过蒙特卡罗仿真对所提方法进行评估.仿真结果表明,贝叶斯方法要优于极大似然方法,且在小样本情形下尤为突出.最后,以实际数据集为例进行了说明.     

具有随机右删失随机变量分位数的经验似然推断

本文研究了具有随机右删失随机变量分位数的置信域的构造.利用经验似然和截尾值估算相结合的方法,给出了分位数的对数经验似然比统计量,在较少的条件下证明了该统计量的极限分布为自由度为1的x~2分布.使得完全数据下的分位数的经验似然推断方法应用到非完全数据中.     

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.     

多重Ⅱ型删失数据的近似似然函数及应用

多重Ⅱ型删失数据是一种很常见的数据删失类型，处理起来也非常困难，本文获得了多重Ⅱ型删失数据的一种近似似然函数，并证明了在大样本场合下，这种近似与似然函数是等价的。基于该近似似然函数，求得了参数的近似极大似然估计与近似Bayes估计，并讨论似极大似然估计的性质。     

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.     

双参数威布尔分布下可靠性抽样检验

对于失效时间遵从双参数威布尔分布产品，本文分别提出了制订全样本下和定时截尾样本下可靠性抽样检验方案的统计方法．质量统计是不可靠度的矩估计的严格增加函数．选择截尾时间的方法被提出．利用分布分位数的Coruish-Fisher展开，佯本量和接收常数被近似地确定．模拟结果表明。本文给出的方法是可行的．     

随机右删失数据下半参数线性变换模型的经验似然推断

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

基于联合II型删失数据的两总体指数模型的精确统计推断（英文）

在本文中,我们讨论两指数总体的位置参数和尺度参数的统计推断问题.利用极大似然方法,在联合II型删失数据的情形下给出参数的精确分布以及相关精确统计推断结果.将枢轴量表示为标准指数随机变量的线性函数,并且给出枢轴量的条件精确分布,这个条件精确分布的一个很大优点是计算比较简单.利用条件精确分布,可以获得枢轴量的精确分位数.为了说明本文方法的优劣,我们也提供Bootstrap方法构造参数置信区间的相关结果.最后将理论结果,进行了部分数值模拟实验,这些数值结果列在相应的表格里.     

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。     

核实数据下删失线性EV模型的经验似然推断

本文考虑协变量带有误差的删失线性回归模型,借助于核实数据,对回归系数构造了两种经验对数似然比统计量,证明了所提出的估计的经验对数似然比统计量渐近收敛到一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整的经验对数似然比统计量具有渐近标准χ2p分布,所得结果可以用来构造未知参数的置信域,通过模拟研究在置信域的精度及其平均区间长度大小方面进行了比较。     

随机右删失数据下半参数线性变换模型的经验似然推断北大核心CSCD

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

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.     

右删失数据下非线性回归模型的经验似然推断

考虑随机右删失数据下非线性回归模型,提出了模型中未知参数的调整的经验对数似然比统计量.在一定的条件下,证明了.所提出的的统计量具有渐近χ~2分布,由此结果构造了兴趣参数的置信域.通过模拟研究,对经典的经验似然、调整的经验似然和非线性最小二乘方法在有限样本下进行了比较,并对氯离子浓度试验数据进行了分析.     

Ⅰ型区间删失数据下产品可靠度的置信下限

本文针对Weibull分布情形下的Ⅰ型区间删失数据,提出了产品的可靠度的优良的置信下限的理论与计算方法。