×
Arabi Belaghi，R。；Noori Asl，M。

基于Burr XII分布逐步I型混合删失数据的估计。 （英语） Zbl 1419.62027号

Stat.第页。 60，第3号，411-453（2019）.
摘要：本研究考虑了在渐进式I型混合删失下观察样本时，在经典和贝叶斯框架下估计Burr XII分布未知参数的问题。在经典方法下，我们采用EM和随机EM算法来获得模型参数的最大似然估计量。另一方面，在贝叶斯框架下，我们得到了在非信息性和信息性先验下不同对称和非对称损失函数的贝叶斯估计。在这方面，我们使用Tierney-Kadane和重要性抽样方法。利用渐近正态理论和MCMC样本构造置信区间和HPD可信区间。为了提高估计精度，还提出了收缩预测试估计策略。数值研究了这些估计量相对于经典估计量和贝叶斯估计量的相对效率。我们的仿真研究表明，收缩预测试估计策略优于基于经典和贝叶斯方法的估计。最后，对一个实际数据集进行了分析，以说明本文讨论的推理方法。

引用于8文件

MSC公司：

62E15型 统计学中的精确分布理论
2015年1月62日 贝叶斯推断
62号02 生存分析和删失数据中的估计
62N01号 审查数据模型

关键词：

贝叶斯估计；SEM演算法；重要性抽样；Tierney-Kadane方法；收缩预试验估算；逐步I型混合删失数据；毛刺XII分布
PDF格式BibTeX公司 XML格式引用
\textit{R.Arabi Belaghi}和\textit{M.Noori Asl}，Stat.Pap。60，第3号，761--803（2019；Zbl 1419.62027）
全文： 内政部

参考文献：

[1] Abdel-Hamid HH（2009）《带渐进II型截尾的毛刺XII型分布的持续部分加速寿命试验》，《计算统计数据分析》53:2511-2523·Zbl 1453.62023号 ·doi:10.1016/j.csda.2009.01.018
[2] Abuzaid AL（2015）使用中间删失数据估计Burr-XII参数。SpringerPlus。doi:10.1186/s40064-015-0856-3
[3] Ahmed SE（1992）多元正态分布中的收缩率初步测试估计。J统计计算模拟43:177-195·网址：10.1080/00949659208811437
[4] Al-Hussaini EK，Jaheen ZF（1992）Burr XII型失效模型参数、可靠性和失效率函数的贝叶斯估计。J统计计算模拟41:31-40·Zbl 0775.62260号 ·doi:10.1080/00949659208811389
[5] Arabi Belaghi R、Arashi M、Tabatabaey SMM（2015），关于基于Burr 12模型记录值的初步测试估计器的构建。公共统计理论方法44:1-23·Zbl 1311.62171号 ·doi:10.1080/03610926.2012.733473
[6] Bancroft TA（1944）《因使用显著性初步测试而导致的估计偏差》。数学统计年鉴15:190-204·兹比尔0063.00180 ·doi:10.1214/aoms/1177731284
[7] Burr IW，Cislak PJ（1968）关于一般分配制度：1。它的曲线特征；2.样本中值。美国统计协会杂志63:627-635
[8] Calabria R，Pulcini G（1996）左旋指数样本非对称损失函数下的点估计。公共统计理论方法25:585-600·Zbl 0875.62101号 ·doi:10.1080/03610929608831715
[9] Chen MH，Shao QM（1999）贝叶斯可信区间和HPD区间的蒙特卡罗估计。J计算组统计8:69-92
[10] Chien TL，Yen LH，Balakrishnan N（2011）带递进混合删失的指数分布精确贝叶斯变量抽样计划。J Stat Comput Simul 81:873-882·Zbl 1219.62010号 ·doi:10.1080/00949650903524342
[11] Cramer E，Balakrishnan N（2013）基于指数分布的I型逐步混合删失数据的一些精确分布结果。统计方法10:128-150·Zbl 1365.62061号 ·doi:10.1016/j.stamet.2012.07.006
[12] Dempster AP、Laird NM、Rubin DB（1977）通过em算法从不完整数据中获得最大似然。J R Stat Soc系列B 39（1）：1-38·Zbl 0364.62022号
[13] Diebolt J，Celeux G（1993）估计混合比例的随机em算法的渐近性质。Stoch型号：9:599-613·Zbl 0783.62021号 ·doi:10.1080/1532634930807283
[14] Epstein B（1954）指数情况下的截短寿命试验。数学统计年鉴25:555-564·Zbl 0058.35104号 ·doi:10.1214/aoms/1177728723
[15] Kibria BMG（2004）基于W、LR和LM测试冲突的收缩初步测试岭回归估值器的性能。J Stat Comput Simul杂志74:793-810·Zbl 1060.62073号 ·doi:10.1080/0094965031000120181
[16] Kibria BMG，Saleh AKME（2004）具有Student t误差和冲突检验统计的初步检验岭回归估计。梅特里卡59:105124·Zbl 1079.62069号 ·doi:10.1007/s001840300273
[17] Kibria BMG，Saleh AKME（2005）Han-Bancroft和Brook方法之间的比较，以确定预检验估计量的最佳显著性水平。《科学探针》杂志3:293-303
[18] Kibria BMG，Saleh AKME（2006）预测试估计器的最佳临界值。公共统计理论方法35:309-320·Zbl 1093.62026号 ·doi:10.1080/03610920500439976
[19] Kibria BMG，Saleh AKMD（2010）截尾样本的指数分布和Pareto分布参数的初步测试估计。统计帕普51:757-773·Zbl 1247.62062号 ·doi:10.1007/s00362-008-0163-y
[20] Kundu D，Joarder A（2006）《II型逐步混合删失数据分析》。计算统计数据分析50:2509-2528·Zbl 1284.62605号 ·doi:10.1016/j.csda.2005.05.002
[21] Li J，Ma L（2015）基于逐步II型混合删失数据的广义瑞利分布推断。《信息与计算科学杂志》12:1101-1112·doi:10.12733/jics20105329
[22] Lomax KS（1954）《商业失败：失败数据分析的另一个例子》。美国统计协会期刊49:847-852·Zbl 0056.13702号 ·doi:10.1080/01621459.1954.10501239
[23] Louis TA（1982）使用EM算法求出观测信息矩阵。J R Stat Soc Ser B期刊44:226-233·Zbl 0488.62018号
[24] Mousa MA，Jaheen Z（2002a）对毛刺模型逐步删失数据的贝叶斯预测。统计巴普43:587-593·Zbl 1008.62029号 ·doi:10.1007/s00362-002-0126-7
[25] Mousa MA，Jaheen Z（2002b）基于逐步删失数据的毛刺模型统计推断。计算数学应用43:1441-1449·Zbl 1019.62093号 ·doi:10.1016/S0898-1221（02）00110-4
[26] Nelson W（1982）应用生命数据分析。纽约威利·Zbl 0579.62089号 ·doi:10.1002/0471725234
[27] Rastogi MK，Tripathi YM（2012）在渐进II型审查下估计Burr分布的参数。Stat Methodol 9:381-391·Zbl 1365.62368号 ·doi:10.1016/j.stamet.2011.10.002
[28] Rastogi MK，Tripathi YM（2013）《混合删失下Burr分布未知参数的推断》，Stat Pap 54:619-643·Zbl 1307.62059号 ·doi:10.1007/s00362-012-0452-3
[29] 罗德里格斯RN（1977）《伯尔XII型分布指南》。生物特征64:129-134·Zbl 0354.62017号 ·doi:10.1093/biomet/64.1.129
[30] Saleh AKME，Kibria BMG（1993）一些新的初步检验岭回归估计量的性能及其性质。公共统计理论方法22:2747-2764·Zbl 0786.62071号 ·doi:10.1080/03610929308831183
[31] Saleh AKME，Sen PK（1978）回归初步测试后位置参数的非参数估计。安统计6:154-168·Zbl 0386.62036号 ·doi:10.1214/aos/1176344074
[32] Singh S，Tripathi YM（2016），在渐进式I型区间删失下估计逆weibull分布的参数。Stat Pap。doi:10.1007/s00362-016-0750-2·Zbl 1403.62186号
[33] Soliman A（2005）使用Burr XII模型从逐步删失数据中估计生命参数。IEEE Trans Reliab电气与电子工程师协会54:34-42·doi:10.1109/TR.2004.842528
[34] Tadikamalla PR（1980）《Burr和相关分布的研究》。国际统计版次48:337-344·Zbl 0468.62013年 ·doi:10.2307/1402945
[35] Tierney L，Kadane JB（1986），后力矩和边缘密度的精确近似。美国统计协会杂志81:82-86·Zbl 0587.62067号 ·doi:10.1080/01621459.1986.10478240
[36] Varian HR（1975）房地产评估的贝叶斯方法。Stud Bayesian经济统计荣誉Leonard J Savage，第195-208页
[37] Wang FK，Cheng Y（2010）用多重删失数据估计Burr XII参数的EM算法。Qual Reliab工程国际26:615-630·doi:10.1002/qre.1087
[38] Wei GC，Tanner MA（1990）em算法和穷人数据增强算法的蒙特卡罗实现。美国统计协会杂志85:699-704·网址：10.1080/01621459.1990.10474930
[39] Wingo DR（1993）II型截尾下Burr XII分布参数的最大似然估计。微电子可靠性33:1251-1257·doi:10.1016/0026-2714（93）90126-J
[40] Zimmer WJ，Keats JB，Wang FK（1998）可靠性分析中的Burr XII分布。质量技术杂志30:386-394·doi:10.1080/00224065.1998.11979874
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。