杜、庞;顾冲 惩罚似然风险估计:有效近似和贝叶斯置信区间。 (英语) 兹比尔1085.62110 统计概率。莱特。 76,第3期,244-254(2006). 概述:惩罚似然法可用于对右偏、左偏和可能具有协变量的寿命数据进行风险评估。我们关注的是该方法更具可扩展性的计算,以及某些区间估计的推导和评估。当估计被限制在某些(q)维空间中,且(q)的增长速度比样本量(n)慢得多时,保持了渐近收敛速度,并进行了仿真研究以确定(q)缺省值以供实际使用;计算成本的顺序为\(O(nq^{2})\)。通过对数似然的二次近似,可以导出对数风险的近似贝叶斯置信区间,并进行实证研究以评估其性质。这些技术是在开源R代码中实现的,并通过一个实际数据示例说明了通过使用该软件这些技术的应用 引用于4文件 理学硕士: 62号02 生存分析和删失数据中的估计 2015年1月62日 贝叶斯推断 65C60个 统计中的计算问题(MSC2010) 62层25 参数公差和置信区域 关键词:贝叶斯置信区间;有效近似;计算;危险;处罚可能性;张量积三次样条 软件:全球供应链;R(右);S-PLUS系统 PDF格式BibTeX公司 XML格式引用 \textit{P.Du}和\textit{C.Gu},统计概率。莱特。76,第3号,244--254(2006;Zbl 1085.62110) 全文: 内政部 参考文献: [1] 安德森,J.A。;Senthilselvan,A.,《风险函数的平滑估计》,J.Roy。统计人员。Soc.序列号。B、 42、322-327(1980) [2] Gu,C.,惩罚似然回归:贝叶斯分析,统计学。Sinica,2255-264(1992)·Zbl 0822.62023号 [3] Gu,C.,惩罚似然风险估计:一般程序,统计学家。Sinica,6861-876(1996)·Zbl 1076.62556号 [4] Gu,C.,平滑样条方差分析模型(2002),Springer:Springer纽约·Zbl 1051.62034号 [5] Gu,C.,2004年。平滑样条方差分析模型的模型诊断。加拿大。J.统计。32, 347-358.; Gu,C.,2004年。平滑样条方差分析模型的模型诊断。加拿大。J.统计。32, 347-358. ·Zbl 1059.62078号 [6] 顾,C。;Kim,Y.-J.,《惩罚似然回归:一般公式和有效近似》,加拿大。J.统计。,30, 619-628 (2002) ·兹比尔1018.62032 [7] 顾,C。;Wang,J.,惩罚似然密度估计:直接交叉验证和可扩展近似,统计学。中国。,13, 811-826 (2003) ·Zbl 1028.62019号 [8] Joly,P。;赞扬,D。;Letenneur,L.,任意删减数据的惩罚似然法:应用于痴呆症的年龄别发病率,生物统计学,54,185-194(1998)·Zbl 1058.62618号 [9] Kim,Y.-J。;Gu,C.,平滑样条高斯回归:通过有效近似实现更具可扩展性的计算,J.Roy。统计人员。Soc.序列号。B、 66、337-356(2004)·Zbl 1062.62067号 [10] Nychka,D.,平滑样条曲线的贝叶斯置信区间,J.Amer。统计人员。协会,83,1134-1143(1988) [11] O’Sullivan,F.,《全自动原木密度和原木危害估计器的快速计算》,SIAM J.Sci。统计人员。计算。,9, 363-379 (1988) ·Zbl 0688.65083号 [12] O'Sullivan,F.,使用样条曲线和交叉验证的相对风险非参数估计,SIAM J.Sci。统计人员。计算。,9, 531-542 (1988) ·Zbl 0688.65084号 [13] Silverman,B.W.,《非参数回归曲线拟合的样条平滑方法的某些方面》,J.Roy。统计人员。Soc.序列号。B、 47,1-52(1985),(与讨论)·Zbl 0606.62038号 [14] 韦纳布尔斯,W.N。;Ripley,B.D.,《现代应用统计学与S-PLUS》(1999),Springer:Springer New York·Zbl 0927.62002号 [15] Wahba,G.,交叉验证平滑样条曲线的贝叶斯“置信区间”,J.Roy。统计人员。Soc.序列号。B、 45、133-150(1983)·Zbl 0538.65006号 [16] Zucker,D.M。;Karr,A.F.,具有时间相关协变量效应的非参数生存分析:惩罚部分似然方法,Ann.Statist。,18, 329-353 (1990) ·Zbl 0708.62035号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。