逐步Ⅱ型删失数据下BurrⅢ分布形状参数的估计_杜雪萌.pdf
《逐步Ⅱ型删失数据下BurrⅢ分布形状参数的估计_杜雪萌.pdf》由会员分享,可在线阅读,更多相关《逐步Ⅱ型删失数据下BurrⅢ分布形状参数的估计_杜雪萌.pdf(6页珍藏版)》请在咨信网上搜索。
1、 92 第 25 卷第 2 期遵义师范学院学报2023 年 4 月在生存分析与可靠性试验中,由于时间和成本的限制,通常进行一些删失试验。常见的删失试验有定时(型)删失试验和定数(型)删失试验。由于型和型删失试验只允许在试验结束时撤出试验样本,为进一步节约试验时间与试验成本,逐步删失试验被提出并受到了广泛关注。Cohen1首次基于逐步型删失数据对两个具体分布的参数进行了极大似然估计。近年来,林玉婷2等人研究了逐步型删失数据下广义指数分布的 E-Bayes 估计;史爱玲3等人研究了在逐步型删失数据下,Scaledhalf-Logistic 分布的区间估计;Sawadogo4等人基于逐步型删失数据,
2、对指数广义威布尔分布参数进行了极大似然估计;Kundu 和 Pradhan5基于逐步型删失数据利用EM算法得到了广义指数分布未知参数的极大似然估计及其 Fisher 信息矩阵。姚惠6研究了在熵损失函数下,两参数 Lomax 分布中形状参数的 Bayes 估计。黄建文7等人得到了对数正态分布的逐点收敛速度。Burr81942 年首次引入了 12 个累积分布函数来拟合各种故障寿命数据,其中 Burr型分布可以收稿日期:2022-9-18基金项目:贵州省基础研究计划(软科学)重点类型“贵州省分类推进脱贫攻坚的差异性对策研究”(黔科合支撑201920001 号);基于新惩罚项的惩罚最小二乘模型选择方法
3、研究(黔科合基础20191083)作者简介:杜雪萌,女,山东滕州人,贵州民族大学数据科学与信息工程学院硕士研究生,研究方向:统计模型与统计计算;黄介武,男,湖南益阳人,贵州民族大学数据科学与信息工程学院教授,博士,研究方向:统计模型与统计计算。逐步型删失数据下 Burr 分布形状参数的估计杜雪萌,黄介武*(贵州民族大学 数据科学与信息工程学院,贵州 贵阳 550025)摘要:基于逐步型删失数据,假设在每一阶段退出试验的样品是随机的情况下,对 Burr 分布中的形状参数进行估计。定义了 Burr分布形状参数的极大似然估计、EM 估计和贝叶斯估计三种估计方法的估计式。同时,给出了 EM 估计的近似
4、置信区间与贝叶斯估计的 HPD 置信区间。此外,利用 Monte-Carlo 模拟,对上述三种估计方法的效果进行了对比分析。模拟结果表明,在均方误差(MSE)准则下,贝叶斯估计优于 EM 估计,更优于极大似然估计,同时两种置信区间的区间长度近似。关键词:Burr 分布;逐步型删失;极大似然估计;EM 算法;贝叶斯估计中图分类号:O212.1文献标识码:A文章编号:1009-3583(2023)-0092-06Estimation of Shape Parameter of Burr III Distribution underProgressive Type II Censoring Data
5、DU Xue-meng,HUANG Jie-wu(School of Date Science and Information Engineering,Guizhou Minzu University,Guiyang 550025,China)Based on the gradually type censored data,the shape parameters in Burr distribution are estimated under the assumptionthat the samples exiting the test at each stage are random.T
6、he estimation formulas of maximum likelihood estimation,EM estimationand Bayesian estimation of Burr distribution shape parameters are defined.At the same time,the approximate confidence interval ofEM estimation and the HPD confidence interval of Bayesian estimation are given.In addition,Monte Carlo
7、 simulation is used to com-pare and analyze the effects of the above three estimation methods.The simulation results show that under the Mean Square Error(MSE)criterion,Bayesian estimation is better than EM estimation and maximum likelihood estimation,and the interval lengths of the two con-fidence
8、intervals are approximate.Burr distribution;progressive type II censoring data;maximum likelihood estimation;EM algorithm;Bayes estimation第 25 卷第 2 期2023 年 4 月遵义师范学院学报Journal of Zunyi Normal UniversityVol.25,No.1Apr.2023 93 容纳不同的危害寿命数据。由于 Burr 型分布能够较好地逼近 Weibull、Gamma 和对数正态等经典寿命模型,因此 Burr分布在生存分析中起着重
9、要的作用。现已有众多学者对 Burr 型分布进行了统计性质方面的研究。Singh9等人基于逐步型混合删失数据采用贝叶斯方法对 Burr 型分布进行了估计与预测;Alt nda10等人基于型删失数据,对 Burr 型分布进行了极大似然估计和极大积间距估计;Feroze11等人研究了在左删失样本下 Burr型分布参数的极大似然估计。基于逐步型删失数据的优良性,本文考虑在逐步型删失数据下对Burr 型分布进行参数估计。1 模型描述假设随机变量 X 服从 Burr型分布,其密度函数和分布函数如下:(1)(2)其中 和 分别为形状参数和尺度参数,本文假设尺度参数 已知。逐步型删失试验不仅可以节省试验时间
10、与成本,还可以获得较多的产品寿命信息,因此,不少寿命试验都会选择采用逐步型删失试验。具体做法如下。假设有一批寿命服从 Burr 分布且相互独立的试验样品,从中抽出n个进行逐步型删失试验。当观测到第一个试验样品失效时,从剩余的 n 1 个未失效的样品中随机挑选出R1个样品退出试验,记第一个样品的失效时间为X(1),当观测到第二个试验样品失效时,再从剩余的n R12 个未失效的样品中随机挑选出R2个样品退出试验,记第二个样品的失效时间为X2,按照这种方法一直试验,当观测到第m个失效样品时,将剩下的Rm=nRim个样品全部撤出试验,记第m个样品的失效时间为X(m),这样就得到了一个逐步型删失样本。注
11、意到,当R1=R2=Rm1=0时,这种寿命试验就是定数(型)删失试验。记X(1),X(2),X(m)为寿命试验的m次失效时间。为了书写方便,下文中将X(i)下标中的括号省去,即令x=(x1,x2,xm)。常用的删失模式是实验前预先确定的,然而,在一些可靠性分析研究中,从测试中删除的单元数量不能事先确定,而是随机的。在这种情况下,我们需要考虑带有随机删除的逐步型删失数据。本文假设从试验中随机剔除的Ri完全随机,保证R1+R2+Rm=n m 即可。2 极大似然估计基于逐步型删失数据,通过极大似然法对Burr型分布的形状参数 进行估计,可以得到如下定理。定理 1 按照上述逐步型删失寿命试验,Burr
12、型分布形状参数 的极大似然估计由方程(3)确定,并且该方程有唯一解。(3)证明 假设x=(x1,x2,xm)是逐步型删失数据,R=(R1,R2,Rm)是删失模式,参数 已知,则关于的似然函数为(4)其中,(5)对式(5)中 求偏导得(6)令,则可得到(7)参数 显然无法由式(7)得到的显式解,为此,探求此方程在(0,+)上是否具有唯一解。设(8)则有(9)由于,因此方程(3)在(0,+)上有唯一解。式(3)没有显式表达式,但有唯一解,故考虑应用Newton-Raphson 近似法求出近似解。则此解为参数 的极大似然估计近似值,记为。3 EM 算法下的参数估计根据模型描述中的逐步型删失试验,假设
13、一次试验中有 n 个自变量,R=(R1,R2,Rm)是删失模杜雪萌等逐步型删失数据下 Burr 分布形状参数的估计 94 第 25 卷第 2 期遵义师范学院学报2023 年 4 月式。假设观测数据和删失数据分别为x=(x1,x2,xm)和z=(z1,z2,zm),其中zj=(zj1,zj2,)为 1Rj向量。现在考虑完整数据为 w=(x,z),由 Ng T12等人的文章可知完整数据的联合概率为。定理 2 基于 EM 算法的逐步型删失下 Burr分布的参数 的估计迭代式为(10)其中(11)证明 将 Burr 分布的密度函数 f(x)代入中可得(12)(13)E 步:记观测数据 x 的对数似然条
14、件期望。则上述对数似然的条件期望可写为(14)由文献10可知对于给定的 x,z 的条件分布有(15)由公式(15)有(16)(17)故 Q()为(18)M步:将第p次迭代中的Q(p 1)最大化,将最大化点 用作 的下一个估计,记为(p),其中(p)为第p次迭代的参数向量且p1,(0)为参数向量的初始值。(19)对Q(p 1)求偏导,可求得使Q(p)极大化的点(p 1)。则由式(18)可得(20)令,可得,(21)对式(20)中的 取(p 1)可得到迭代式。(22)4 EM 算法下参数估计的近似置信区间在本节中考虑使用 Louis13的缺失信息原理的思想来计算 Fisher 观测信息,并用 Fi
15、sher 观测信息来构造渐近置信区间。根据 Louis 的缺失信息原理可知 Fisher 观测信息为。由于(23)先求解式(23)中的 95,由式(13)可知(24)则故(25)接下来求,(26)其中(27)(28)则(29)基于上述所得到的与有(30)故Fisher观测信息为,的渐近方差为。由中心极限定理可知,当 n 很大时,形状参数的置信水平为 1的近似置信区间为,其中为标准正态分布的上a/2 分位数。5 贝叶斯估计取 的先验分布为伽马分布,其形状参数与尺度参数分别为 a 和 b,概率密度函数为(31)结合(4)和(31)式可得 的条件后验密度分布函数为,(32)基于上述条件后验密度分布(
16、32),本文考虑使用Metropolis-Hastings(MH)方法产生 Markov ChainMonte Carlo(MCMC)样本并估计参数。由图 1 可知 的条件后验密度图与正态分布相似,故选取提议分布为正态分布。具体算法如下:1)给出初始值(0);2)令 i=1;3)从提议分布中生成(i);4)计算接受概率;5)以概率接受=,否则保持其值不变;6)令 i=i+1;7)重复步骤1)-6)M次,生成样本(1),(2),(M)。下面利用基于上述方法所产生的样本(1),(2),(M)对未知参数 进行估计。5.1 平方损失函数下的估计设 是参数 的任一决策函数,则平方损失下L1=()2,的贝
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 逐步 型删失 数据 Burr 分布 形状 参数 估计 杜雪萌
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。