共查询到17条相似文献,搜索用时 93 毫秒
1.
基于分组数据的Weibull分布的参数估计 总被引:9,自引:0,他引:9
介绍了一种对基于分组数据的Weibull分布进行参数估计的方法.所得估计具有良好的收敛性,同时模拟结果也表明这种方法的可行性. 相似文献
2.
3.
4.
讨论了分组数据下线性回归模型参数的MLE的存在、唯一性.通过EM算法获得MLE的近似解.通过SEM算法获得MLE的渐近协方差阵. 相似文献
5.
使用EM算法 ,在成败型数据下 ,对Logistic分布的参数进行估计 ,得到了估计量所满足的非线性方程组 相似文献
6.
本文研究了恒定心力加速寿命试验在获得混合分组数据情况下的参数估计问题.利用EM算法,扶得了参数极大似然估计的迭代式.该结果推广了分组数据场合下一般恒加试验的参数估计. 相似文献
7.
本文针对Weibull分布定时截尾型试验数据提出了一种计算可靠度置信限的方法。通过采用数据填充的方式将不完全数据虚拟成完全数据,利用完全数据情形下可靠度置信限的计算方法得到删失数据情形下可靠度的置信限。模拟研究表明本文提出的算法具有较好的计算稳定性和可操作性。 相似文献
8.
《数学的实践与认识》2015,(16)
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. 相似文献
9.
本文讨论了如何去解决基于分组数据下的回归系数的估计问题.本文所讨论的基于分组数据下的回归模型与经典回归模型的差异在于因变量的观测值为分组数据,即我们只知道它落于事先确定的一组区间中的某一区间,而不知道它的具体值;而经典回归模型的因变量观测值则是一个确定的数值.我们用MLE去估计回归系数,但是此时的MLE无显式解,所以寻找一个合适的迭代算法就成了问题的关键.我们选择利用Bayes计算方法中的EM算法来获得估计量的迭代公式.随机模拟显示了所得估计的有效性. 相似文献
10.
混合Weibull分布参数估计的ECM算法 总被引:1,自引:0,他引:1
混合威布尔分布是寿命数据分析中一个重要的统计模型.但是利用传统的统计方法,如矩估计、极大似然估计等估计模型的参数比较困难.应用ECM算法详细研究了混合威布尔分布在正常工作条件下,完全数据场合、Ⅰ-型截尾和Ⅱ-截尾场合的参数估计问题.数据模拟表明利用ECM算法来估计混合威布尔分布是一种有效的方法. 相似文献
11.
完全数据下Weibull分布参数的极大似然估计 总被引:1,自引:0,他引:1
在完全数据条件下对Weibull分布,分别使用Newton-Raphson算法、CM算法及修正的CM算法进行完全数据Weibull分布参数的极大似然估计计算,并且在得到相应的迭代公式后,进行随机模拟.从模拟结果来分析这三种算法在处理Weibull分布参数的极大似然估计的优良性. 相似文献
12.
威布尔分布组与删失数据下最大似然估计的存在性 总被引:5,自引:0,他引:5
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。 相似文献
13.
14.
15.
基于删失数据的指数威布尔分布最大似然估计的新算法 总被引:1,自引:0,他引:1
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. 相似文献
16.
??In this paper, we estimate parameters of gamma life distribution
and normal life distribution by EM algorithm based on Type-II hybrid censored data. The
covariance matrices are derived as well. Some numerical examples are also presented for
illustration. 相似文献
17.
??Kundu and Gupta proposed to use the importance sampling
method to compute the Bayesian estimation of the unknown parameters of the Marshall-Olkin
bivariate Weibull distribution. However, we find that the performance of the importance
sampling method becomes worse as the sample size gets larger. In this paper, we introduce
latent variables to simplify the likelihood function, and use MCMC algorithm to estimate
the unknown parameters. Numerical simulations are carried out to assess the performance
of the proposed method by comparing with the maximum likelihood estimation, and we find
that the Bayesian estimates perform better even for the case of small sample size. A real
data is also analyzed for illustrative purpose. 相似文献