Poisson分布下基于鞍点逼近的慢性病风险差的置信区间构造

风险差是流行病学中重要的指标之一,常用来比较两种治疗或两种诊断的有效性.因此,风险差区间的精确估计对流行病病情的诊断以及治疗方案的选择有很重要的意义.结合Poisson抽样的优点以及慢性病发病周期长和发病率低的特点,利用鞍点逼近方法来构造了Poisson分布下风险差的置信区间.同时,通过实例和Monte Carlo模拟对传统的四种区间构造方法进行评价.模拟结果表明:在小样本情况下,鞍点逼近方法得到的置信区间大多数能保证覆盖率近似于期望的置信水平并且使得区间长度最短,是一种很好的置信区间构造方法.     

逆抽样下流行病发病率的逼近与渐近置信区间

流行病研究的重要任务之一就是较为精确地估计出疾病的流行程度.疾病的流行性通常用发病率来表征.由于置信区间估计是一种体现对发病率估计好坏的途径,所以它是估计边限的重要提示物.作者在逆抽样条件下探究了7种流行病发病率的逼近与渐近的置信区间估计.通过蒙特卡罗方法,广泛地比较了这些方法的表现性能.为了方便今后进一步应用此结果,制做了许多相应的表格.这些表格清楚地表明为了构造出具有指定期望值的置信区所需要的最小病例数.模拟的结果表明:就流行病发病率的区间估计的覆盖率与区间大小的稳定性而言,逼近与渐近方法要优越于精确方法.更多的研究表明:鞍点逼近型置信区间就控制覆盖率和平均区间长度而言表现得最好,因此,在实际应用中如果能得到,建议尽量使用它.     

基于鞍点逼近的二项抽样下优势比的置信区间构造

优势比通常用来分析疾病与暴露因素的关联强度,在医学研究中有非常重要的临床意义。对于优势比而言,得到其一个区间估计往往比得到一个点估计更加重要。实际数据分析中,优势比作为一个未知参数其估计量比较复杂,要得到其精确的分布是很难实现的,因此一般都寻求其一个渐近的置信区间。文中,我们采用四种方法来构造二项抽样下优势比的渐近置信区间,分别为Delta方法、Woolf方法、基于似然比检验的方法以及鞍点逼近方法,每种方法都各有其优缺点,其中鞍点逼近方法构造优势比的置信区间,是本文的一个创新点。我们通过蒙特卡洛模拟来比较这四种区间估计方法的优劣,对于模拟结果的评价准则主要基于区间对优势比真值的覆盖率与置信水平的接近程度和平均区间长度这两个指标。最后,本文通过两个实证案例来直观展示四种区间估计方法的不同特点。     

Panel数据模型中方差分量的精确检验

本文利用广义p值和广义置信区间的概念构造含有三个随机效应的Panel数据模型中方差分量的几种新的精确检验和置信区间,并讨论它们在尺度变换下的不变性.通过模拟给出检验的功效和置信区间的覆盖率.模拟结果表明,广义p值理论方法应用于含有冗余参数的Panel数据模型参数检验问题是灵活而有效的.     

Panel����ģ���з�������ľ�ȷ����

本文利用广义p值和广义置信区间的概念构造含有三个随机效应的Panel数据模型中方差分量的几种新的精确检验和置信区间,并讨论它们在尺度变换下的不变性.通过模拟给出检验的功效和置信区间的覆盖率. 模拟结果表明,广义p值理论方法应用于含有冗余参数的Panel数据模型参数检验问题是灵活而有效的.     

基于流图模型的矩生成函数的计算及鞍点逼近

介绍了流图模型的矩生成函数的计算及其鞍点逼近问题.给出了矩生成函数的另一种推导方法并利用Maple计算相关方程.利用矩模拟的方法进行参数估计,得到了概率密度函数、生存函数和危险函数的鞍点逼近.结果表明鞍点逼近算法能较好地捕捉实际函数曲线的动态演变,且达到了估计误差小和逼近精度高的预期目标.     

Logistic响应分布分位数的鞍点近似置信区间

论文基于响应数据，应用鞍点近似方法，给出构造Logistic响应分布分位数的近似置信区间的方法. 论文还对这种置信区间进行了模拟，并将该方法应用于QD8电雷管. 模拟和实例结果表明，当样本量较小时，该方法能够较好地推断Logistic响应分布的分位数     

二项抽样下基于鞍点逼近方法的流行病相对风险置信区间构造

相对风险是流行病学研究中的重要指标之一,它是度量一种暴露因素是否与某病的致病有联系的统计指标.以该指标的数值大小来表明这一暴露因素对某病的发生具有何种影响及影响的大小,体现了暴露与疾病的关联程度.精确地得到相对风险指标的区间估计,对病因推断具有重要意义.但是由于相对风险指标的估计量是两个概率值的估计量的比值,要得到其精确分布一般而言是很困难的,因此已有研究成果大都采用渐近方法估计相对风险的置信区间,这在小样本情况下表现不佳.在二项抽样条件下,对相对风险的点估计、置信区间估计一直被人们所关注.在二项采样下利用鞍点逼近的方法构造相对风险的置信区间,并通过实例与蒙特卡洛模拟,与传统的置信区间构造方法对比,模拟结果显示其优点,尤其是在小样本量条件下估计效果比较好.     

分位数置信区间的估计方法分析

构造了基于分位数两种估计量的渐近置信区间,并找到分位数基于样本次序统计量的渐近置信区间.同时,建立了基于分布函数核估计定义的分位数估计量的渐近正态性,并使用经验似然方法构造出分位数的两种渐近置信区间.在模拟分析中,基于置信区间的平均长度和覆盖率,分析构造分位数的五种渐近置信区间的有限样本表现.     

积分波动率二阶变差估计量分析:鞍点算法

本文利用鞍点逼近方法对Black-Scholes模型的积分波动率的二阶变差估计量的估计误差进行分析,得到了相对于中心极限定理更为精细的结果,并且给出了逼近的鞍点算法。结果表明鞍点逼近是中心极限定理的纠正。模拟结果表明鞍点算法给出的估计误差分布相对于正态逼近更合理。该结果在对积分波动率进行统计假设检验时是有意义的。     

左截断右删失剩余寿命分位数的置信区间构造

在医学领域、可靠性分析和人寿保险市场中,剩余寿命是重要的研究范畴之一.因此,剩余寿命分位数区间的精确估计有着重要的意义.但是,在左截断和右删失同时存在的临床数据下,样本量通常很小,传统的置信区间构造方法多数不理想,而且涉及到的估计量方差的计算非常繁琐.为了避免上述困难,文章利用Jackknife-d方法构造了左截断右删失剩余寿命分位数的置信区间.同时,通过蒙特卡罗模拟和实例分析对Jackknife-d方法和传统的4种方法进行评价.模拟结果表明:小样本下,Jackknife-d方法得到的置信区间长度最短且覆盖率在大多数情况下都接近于名义水平,是剩余寿命分位数置信区间构造的一种很好的方法.     

慢性病发病率置信区间的构造

在流行病研究中,发病率是一个重要指标,该指标反映的是特定人群中某种疾病的发病程度.因此,对它的置信区间的构造在判别疾病发病程度上具有重要的医学意义.对于一些慢性疾(如癌症或心血管等),由于其发病周期长,发病率低,Poisson抽样下要比二项抽样,逆项抽样更符合事实.利用四种方法研究了泊松分布下慢性病发病率的置信区间构造,并通过Monte Ca·lo模拟对四种方法的表现性能进行比较.模拟结果表明:当发病率较高时,枢轴量方法无论在区间长度还是覆盖率上都袁现最佳:当发病率相对较低时,枢轴量方法在区间长度上略次于Wald统计量方法和得分方法,但是在覆盖率上袁现最佳.因此,枢轴量方法整体上表现的很好.     

逆高斯分布变异系数和尺度参数的统计推断研究

构造了逆高斯分布中变异系数的广义枢轴量,给出了一种参数的区间估计方法,并与MOVOER(method of variance of estimates recovery)和Bootstrap 方法进行比较;给出了多总体下尺度参数两两差的同时置信区间.模拟结果表明:在中、小样本情况下,所给的广义置信区间其覆盖概率接近置信...     

缺失数据下线性模型中反映变量均值的经验似然置信区间

在协变量和反映变量都缺失下,构造了线性模型中反映变量均值的经验似然置信区间,数据模拟表明调整的经验似然置信区间有较好的覆盖率和精度,进一步完善了缺失数据下对线性模型的研究.     

零膨胀泊松分布参数的固定宽度置信区间构造方法

评估置信区间的两个常用准则为区间宽度与覆盖率,研究同时达到给定的区间长度与名义覆盖率的区间估计在实际应用中有重要的价值,但这在固定样本量的情况下是无法实现的.应用序贯方法和两阶段抽样方法,乃至多阶段抽样方法是解决这一问题的常用途径.本文对零膨胀泊松分布的两个参数,取零概率p和泊松均值参数λ,进行了固定宽度置信区间的序贯方法和两阶段方法的研究,证明了所提出的所有序贯过程与两阶段过程的渐近相合性与有效性,并通过蒙特卡罗模拟研究展示了所提出方法的效果,并考虑了不同情况下最优固定样本量随两个参数的变化趋势,并通过实证分析来说明方法的应用价值.     

右删失情形下平均生存时间的加权Bootstrap推断

在右删失情形下,基于一类合成数据,采用加权Bootstrap方法获得了平均生存时间的加权Bootstrap估计及其加权Bootstrap分布,并就权重是否独立两种情形,证明了此估计的相合性及此分布近似的有效性.基于此,构造了平均生存时间的置信区间.在数值模拟中,取权为Dirichlet(n;1,…,1),并从覆盖概率和区间长度角度,比较了加权Bootstrap和渐近正态逼近产生的置信区间.     

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.     

线性混合模型中方差分量的广义推断

本文考虑了线性混合模型中方差分量的假设检验和区间估计问题.基于广义P-值和广义置信区间的概念,构造了对应于随机效应的单个方差分量的精确检验和置信区间.所构造的广义p-值和广义置信区间是最小充分统计量的函数.对于两个独立线性混合模型中对应于随机效应的方差分量的比较,建立了精确检验和置信区间.进-步,研究了所给检验和置信区间的统计性质,给出了这些检验方法与文献中已有方法的功效比较的模拟结果.模拟结果表明,新检验在功效方面有显著的改进.最后,通过-个实例来演示本文方怯.     

响应变量存在缺失时部分线性模型的经验似然推断

考虑响应变量带有缺失的部分线性模型,采用借补的思想,研究了参数部分和非参数部分的经验似然推断,证明了所提出的经验对数似然比统计量依分布收敛到χ2分布,由此构造参数部分和函数部分的置信域和逐点置信区间.对参数部分,模拟比较了经验似然与正态逼近方法;对函数部分,模拟了函数的逐点置信区间.     

双参数指数分布的可靠寿命的广义置信下限

基于双参数指数分布定数截尾数据,利用Weerahanandi给出的广义置信区间的概念,建立了可靠寿命的广义置信下限,并从理论上证明了我们给出的广义置信下限是精确的,即基于广义置信下限的区间估计的覆盖率等于要求的置信水平.广义置信下限需要通过数值方法得到,但是计算方法是简单直接的.在小样本情形下,通过对基于广义置信下限的置信区间与Engelhardt-Bain近似置信区间覆盖率的模拟比较,发现广义置信下限更令人满意.