导读:本文包含了删失数据论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:区间,数据,模型,风险,广义,变量,指数。
删失数据论文文献综述
黄壹玲,周菊玲,董翠玲[1]（2019）在《基于左截断右删失数据的Lomax分布形状参数估计》一文中研究指出Lomax分布是数理统计中一种重要分布,基于EM算法及极大似然法研究了左截断右删失数据下Lomax分布的参数估计,推导出参数的迭代式,并应用随机模拟对参数迭代式进行模拟检验,结果表明,迭代式能够快速收敛,估计值精确度较高.(本文来源于《河南科学》期刊2019年11期）
赵慧,崔琪,孙建国[2]（2019）在《可加风险模型下相依Ⅰ型区间删失数据的一个Copula推断方法》一文中研究指出可加风险模型是生存分析中一类重要的回归模型,许多学者对该模型进行过研究.但是针对相依Ⅰ型区间删失数据的研究却非常少,且已有的研究都假设删失时间与寿命之间的关联系数已知.显然,该假设在实际中未必成立.针对此问题,本文放松这一假设,提出一种新的基于Copula的方法对可加风险模型下相依Ⅰ型区间删失数据进行回归分析,给出参数部分估计量的渐近性质,通过数值模拟检验所提方法在有限样本下的表现,并进行实例分析.(本文来源于《中国科学:数学》期刊2019年09期）
CHOI,YUNKYUNG（崔允琼）[3]（2019）在《一般逐步Ⅱ型删失数据下广义指数分布和广义逆指数分布的经典和贝叶斯估计》一文中研究指出生存分析是一种在多种行业使用的统计方法。例如,在制造业方面,它用于分析机器寿命;在金融方面,它被用来分析偿还房屋的时间抵押贷款;就保险业而言,它适用于分析保险和证券权利到期所需的时间。但是生存函数的数据是根据时间的流逝而产生的,一般来说很难获得完整的数据,所以在生存分析中,经常用到的数据类型是删失数据。本文介绍了一般逐步Ⅱ型删失数据,一般逐步Ⅱ型删失数据包括逐步Ⅱ型删失数据,Ⅱ型删失数据,双边删失数据,所以灵活性和适应性比其他删失数据更强,使用也更广泛。本文还介绍了广义指数分布和广义逆指数分布,它们在寿命预测和可靠性分析中被广泛使用,还分析了几个模型下参数估计的意义,讨论了生存分析中,广义逆指数分布和一般逐步Ⅱ型删失数据的合适性。本文主要研究基于一般逐步Ⅱ型删失数据的广义指数分布和广义逆指数分布的统计推断问题。文章一共包括以下几部分;第一章介绍了指数分布,广义指数分布和广义逆指数分布的特点,并且详细介绍了各种删失模式;第二章研究了基于逐步Ⅱ型删失数据广义指数分布参数的点估计,用到的方法有极大似然估计和贝叶斯估计,在进行数据模拟时,用Metropolis-Hasting抽样方法来得到贝叶斯估计值;第叁章研究了基于一般逐步Ⅱ型删失数据广义指数分布参数的点估计,推导了未知参数的极大似然估计和贝叶斯估计,并进行数据模拟,与第二章逐步Ⅱ型删失数据进行比较:第四章研究了基于一般逐步Ⅱ型删失数据的广义逆指数分布未知参数参数的估计值,推导了参数的极大似然估计,渐近置信区间和贝叶斯估计;第五章应用于两组真实的数据集,进行分布和数据的合适行测定;第六章进行文章总结和展望。(本文来源于《北京交通大学》期刊2019-09-01）
黄兴辉,吕晶晶,杨紫荆,侯雅文,陈征[4]（2019）在《限制平均生存时间在区间删失数据中的应用》一文中研究指出目的针对区间删失生存数据的分析研究,提出限制平均生存时间(restricted mean survival time,RMST)的估计和两组比较检验。方法利用修正EM算法进行迭代并得到生存率估计值,并基于此估计值构建RMST检验统计量求得P值,通过Monte-Carlo模拟验证其统计性能。结果本文提出的区间删失生存数据中RMST检验法的I类错误在0.05附近波动,且其检验效能与现有常用方法Sun模型相当。结论针对区间删失生存数据的组间比较,本文提出RMST检验法不仅准确估计各组生存率,且通过计算RMST能够直观解释组间差异大小并由此作出统计推断,具有较好的统计性能,为临床研究者和病人提供决策依据。(本文来源于《中国卫生统计》期刊2019年04期）
闫一冰,关静[5]（2019）在《删失数据下部分线性测量误差模型的统计推断》一文中研究指出本文重点研究了当响应变量为随机右删失数据时部分线性测量误差模型的统计推断,在假定线性测量误差的前提下,引入工具变量后通过最小二乘法来估计参数,用局部多项式估计来近似拟合非参数部分.通过数值模拟,比较了使用工具变量和其他方法对参数估计结果的影响,以及与忽略测量误差时非参数函数图像的对比.最后通过实例数据应用,展示了此方法的实际样本表现.(本文来源于《天津理工大学学报》期刊2019年04期）
李俊琳,吕成余,李霓[6]（2019）在《区间删失复发事件数据混合效应模型》一文中研究指出通过向一般速率模型中引入随机效应项来研究区间删失复发事件数据的个体异质性,允许协变量对含有区间删失的复发事件数据产生影响。在给定随机因子和协变量的条件下建立基于区间删失复发事件数据的混合效应模型。利用极大似然方法估计此模型中所感兴趣的参数,证明此混合效应模型中参数估计的相合性与渐近正态性。通过大量的数值模拟试验研究混合效应模型和参数估计方法的有限样本性质,对一组真实膀胱癌数据的分析表明服用叁胺硫磷可以降低膀胱癌的复发率。(本文来源于《海南师范大学学报(自然科学版)》期刊2019年02期）
范晓东[7]（2019）在《区间删失数据和竞争风险数据的统计推断》一文中研究指出近年来,失效时间数据的统计分析引起了学者的广泛关注,失效时间数据在很多领域中出现,包括医学研究,生物学研究,人口学研究,经济和金融研究等.失效时间数据的一个主要特征是删失,在本文中我们主要研究区间删失数据和竞争风险数据的假设检验问题.首先,我们研究了Ⅱ型区间删失失效时间数据在Cox模型下分层影响的非参数假设检验问题.在存在或者不存在分层影响的情况下,我们基于潜在的累积风险函数的估计量建立检验程序,得到了新提出的检验统计量的渐近分布,给出了一个糖尿病研究的例子.其次,我们考虑了I型区间删失失效时间数据在加法模型下的分层影响的检验问题.我们提出了一类检验程序,使用鞅方法得到了新提出的检验统计量的渐近分布,通过一个来自于肿瘤研究的I型区间删失失效时间数据的实例来说明我们提出的方法.最后,我们研究了在Cox模型下的竞争风险数据的原因别风险和全因风险的联合检验问题以及在Cox模型下的两个原因别风险的联合检验问题.分别建立了两个联合检验的非参数检验程序,得到了检验统计量的渐近分布,给出了一个来自于霍金奇疾病研究的例子.(本文来源于《吉林大学》期刊2019-06-01）
王庆杰[8]（2019）在《区间删失数据的叁参数威布尔矩估计和经验似然统计推断》一文中研究指出生存分析是研究生存现象和响应时间数据及其统计规律的一门学科。该学科在生物学、医学、保险学、可靠性工程学、人口学、社会学、经济学等方面都有重要应用。生存分析中主要研究的数据类型是删失数据,删失数据是指观测数据并不是连续的,而是存在空白段。区间删失数据作为删失数据的一种,是研究的重要数据类型之一,且具有多种形式,并且在现实生活中的存在和应用都比较广泛,本文主要研究了区间删失数据下的叁参数威布尔分布矩估计问题和区间删失数据下的部分线性模型经验似然统计推断,主要包括以下两部分:第一部分,在区间删失数据下,运用生存分析中的平均剩余寿命函数来构造样本矩,从而得到区间删失数据下的叁参数威布尔分布的矩估计方程。本文证明了该方法的一致性,且做了大量的模拟研究,得到了矩估计参数的偏差和均方误差,从结果上可以看出随着样本量的增大,偏差和均方误差会减小。表明了该方法具有较好的无偏性、稳健性和一致性。第二部分,在区间删失数据下,运用无偏转换的方法,将区间删失数据类型转化为完整数据,再通过部分线性模型,应用经验似然的统计方法来估计参数,其中运用核估计消除部分线性问题,证明了经验似然方程的卡方渐近性,得到了参数覆盖率,从结果上可以看出随着样本量的增大,覆盖率越来越高,且QQ图拟合效果较好,文中给出了样本量为500时的QQ图,说明运用部分线性模型解决区间删失数据问题比较可行。(本文来源于《长春工业大学》期刊2019-06-01）
张晓东[9]（2019）在《删失数据场合Lindley分布的参数估计》一文中研究指出1958年Lindley首次提出Lindley分布,该分布主要用于分析寿命数据.时至今日,已有众多学者对该分布进行了扩展研究,并取得了一定的研究成果.鉴于Lindley分布比指数分布具有更好的适应性与灵活性.因此,很有必要对Lindley分布的相关统计性质进行研究.与此同时,在寿命试验和可靠性分析中常常出现删失数据,吸引了众多学者参与研究,进而推进了删失数据基础理论的不断发展与完善.本文将主要研究逐步Ⅱ型区间删失数据和逐步Ⅱ型混合删失数据下Lindley分布的参数估计,具体研究内容分为以下五个部分.第一部分,主要对Lindley分布进行基本介绍,阐述国内外Lindley分布的研究现状,结合历史研究背景,分析出其在删失数据下研究的理论价值与意义.第二部分,主要在逐步Ⅱ型区间删失数据下,讨论Lindley分布的参数估计.为求得参数估计值,运用Newton-Raphson迭代法求解Lindley分布参数极大似然估计的近似解.同时得到Lindley分布可靠函数和风险函数的极大似然估计,最后通过数值模拟检验Lindley分布的有效性.第叁部分,主要在逐步Ⅱ型区间删失数据下,讨论Lindley分布参数分别在平方损失函数和熵损失函数下的贝叶斯估计.为简化计算过程,运用Lindley近似法对参数估计量进行计算.同时得到基于平方损失函数下Lindley分布可靠函数和风险函数的贝叶斯估计.最后通过数值模拟计算出该分布参数分别在两种损失函数下贝叶斯估计的均值和均方误差,以及可靠函数和风险函数的贝叶斯估计,并与其极大似然估计进行比较分析.第四部分,主要在逐步Ⅱ型混合删失数据下,讨论Lindley分布的参数估计.为提高估计值的精确度,使估计值更加稳定,运用EM算法计算Lindley分布参数的极大似然估计,并通过数值模拟进行检验.第五部分,主要在逐步Ⅱ型混合删失数据下,讨论Lindley分布参数分别在平方损失函数和熵损失函数下的贝叶斯估计.通过Lindley近似法获得贝叶斯估计的数值解,运用数值模拟计算出该分布参数分别在两种损失函数下贝叶斯估计的均值和均方误差,并与运用EM算法得到的极大似然估计进行比较分析.(本文来源于《南宁师范大学》期刊2019-06-01）
岑泰林[10]（2019）在《基于完全数据和随机删失数据下Lomax分布的统计推断》一文中研究指出生存分析是一种分析生存时间数据的方法,即时间到事件的数据.它在很多应用领域都有涉及,如医学临床试验、可靠性工程学、流行病学等.在可靠性理论中,它被称为寿命数据或故障时间数据.Lomax分布由Lomax于1954年提出,并把Lomax分布应用到经济失效数据.后又相继应用在收入和财富上的不平等、寿命和可靠性建模等领域.本文主要讨论了在完全数据和随机删失数据下Lomax分布的参数估计问题,文章的内容主要包括以下几个部分.首先,在完全数据下,已知Lomax分布的尺度参数,当损失函数为复合MLinex损失函数时,讨论了形状参数的Bayes估计和E-Bayes估计,并且证明E-Bayes估计的相关性质,通过数值模拟说明估计的有效性.其次,在随机删失数据下,研究Lomax分布参数的测试时间的期望值、测试观测的时间和极大似然估计.在求解过程中,运用Newton-Raphson迭代法对参数的估计值求近似解,最后得到的极大似然估计具有同变性.最后,在随机删失数据下,研究了Lomax分布的贝叶斯估计问题.在求解贝叶斯估计时,发现求解多重积分时较为困难,采用Lindley近似法求其数值解,并进行了数值模拟.(本文来源于《南宁师范大学》期刊2019-06-01）
删失数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
可加风险模型是生存分析中一类重要的回归模型,许多学者对该模型进行过研究.但是针对相依Ⅰ型区间删失数据的研究却非常少,且已有的研究都假设删失时间与寿命之间的关联系数已知.显然,该假设在实际中未必成立.针对此问题,本文放松这一假设,提出一种新的基于Copula的方法对可加风险模型下相依Ⅰ型区间删失数据进行回归分析,给出参数部分估计量的渐近性质,通过数值模拟检验所提方法在有限样本下的表现,并进行实例分析.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
删失数据论文参考文献
[1].黄壹玲,周菊玲,董翠玲.基于左截断右删失数据的Lomax分布形状参数估计[J].河南科学.2019
[2].赵慧,崔琪,孙建国.可加风险模型下相依Ⅰ型区间删失数据的一个Copula推断方法[J].中国科学:数学.2019
[3].CHOI,YUNKYUNG（崔允琼）.一般逐步Ⅱ型删失数据下广义指数分布和广义逆指数分布的经典和贝叶斯估计[D].北京交通大学.2019
[4].黄兴辉,吕晶晶,杨紫荆,侯雅文,陈征.限制平均生存时间在区间删失数据中的应用[J].中国卫生统计.2019
[5].闫一冰,关静.删失数据下部分线性测量误差模型的统计推断[J].天津理工大学学报.2019
[6].李俊琳,吕成余,李霓.区间删失复发事件数据混合效应模型[J].海南师范大学学报(自然科学版).2019
[7].范晓东.区间删失数据和竞争风险数据的统计推断[D].吉林大学.2019
[8].王庆杰.区间删失数据的叁参数威布尔矩估计和经验似然统计推断[D].长春工业大学.2019
[9].张晓东.删失数据场合Lindley分布的参数估计[D].南宁师范大学.2019
[10].岑泰林.基于完全数据和随机删失数据下Lomax分布的统计推断[D].南宁师范大学.2019
论文知识图
