导读:本文包含了随机删失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:乘积,数据,函数,渐近,近似,缺失,正态分布。
随机删失论文文献综述
岑泰林[1]（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）
康宏亮[2]（2019）在《随机删失数据下极大似然估计量的性质》一文中研究指出研究了观察数据被随机删失时,极大似然估计的局部渐近正态性与渐近极小极大有效性,建立了局部渐近正态成立的充分条件,并给出渐近极小极大风险的下界以及达到该下界的充分必要条件,证明了随机删失下参数极大似然估计的渐近极小极大有效性.(本文来源于《兰州文理学院学报(自然科学版)》期刊2019年02期）
王江峰,范国良,温利民[3]（2018）在《删失指标随机缺失下回归函数的复合分位数回归估计》一文中研究指出在非参数回归模型中,传统的Nadaraya-Watson核估计和局部多项式估计常常因为误差为重尾情况而变得不稳健,Kai等人(2010)提出的复合分位数回归方法能弥补这一缺陷.文章在删失指标随机缺失的情况下,研究了误差具有异方差结构的非参数删失回归模型,利用局部多项式方法构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,把Kai等人(2010)的结果推广到删失指标随机缺失的右删失数据下.最后通过模拟发现,尤其是当误差为重尾分布时,该估计方法比Wang和Zheng (2014)提出的核估计方法更好.(本文来源于《系统科学与数学》期刊2018年11期）
罗修辉[4]（2018）在《随机删失下广义Pareto分布的统计推断》一文中研究指出删失常常出现在可靠性分析和寿命试验中,最常见的一种删失就是随机删失.广义Pareto分布模型是一种很常见的模型,在金融、保险和气象等领域有广泛的应用.本文主要研究的是随机删失场合下广义Pareto分布参数的极大似然估计、贝叶斯估计和经验贝叶斯估计问题,具体包括了以下几个内容:首先,在随机删失场合下,计算了寿命试验中数据服从广义Pareto分布所需测试时间的期望值,研究了广义Pareto分布模型可靠性函数、风险函数和参数极大似然估计的问题,发现极大似然估计的精确值不易获得,于是运用Newton-Raphson算法对参数求近似解;证明了该估计的相关性质,并通过数值模拟说明了估计的有效性.其次,在随机删失场合下,讨论了广义Pareto分布的贝叶斯估计问题,由于得到的结果是比较复杂的积分形式,不能直接求解,故采用Lindley近似法获得该估计的近似解,并通过数值模拟与极大似然估计结果进行对比.结果表明,两者估计的结果较为接近,但是贝叶斯估计较为稳定,故认为贝叶斯估计优于极大似然估计.最后,在删失分布以及先验分布未知的情形下,通过构造乘积限估计和核密度估计,获得了随机删失下广义Pareto分布参数的经验贝叶斯估计,并运用控制收敛定理证明了该估计在一定条件下具有渐近正态性质.(本文来源于《广西师范学院》期刊2018-06-01）
沈安慰,郭基联,王卓健,张庆立[5]（2017）在《威布尔分布随机右删失数据下客观贝叶斯评估的敏感性分析》一文中研究指出威布尔分布是航空装备中较为典型的故障数据分布。为了验证航空装备故障数据在威布尔分布和随机右删失情形下其描述性统计量对客观贝叶斯可靠性评估的影响程度,设计多重马尔可夫链仿真算法,以删失比、样本量为主要因变量,对客观贝叶斯方法进行了敏感性分析。考虑在两参数威布尔分布情形下,以方差较大的伽马分布作为其无信息先验分布,在不同删失比、样本量的驱动下,对威布尔分布的尺度参数和形状参数进行点估计。以分布参数估计均值和变异系数来衡量其估计误差,并将平均故障间隔时间估计误差作为重要的评判依据。数值模拟结果表明,对于故障数据服从威布尔分布时,当样本量在10以上,或者删失比在0.5以下时,客观贝叶斯估计精度较好;当样本量为10以下时,该方法在删失比为0.5以上时估计偏差过大,应该探索更好的小子样条件下高删失比的可靠性评估方法。(本文来源于《系统工程与电子技术》期刊2017年08期）
肖媛媛,许传志,赵耐青[6]（2016）在《含特定比例均匀随机删失生存数据的SAS模拟实现》一文中研究指出删失(censoring)是生存分析时经常会遇到的一个实际问题,为生存数据的处理分析带来了一定困难。针对这一问题,在实际研究中往往需要通过随机模拟来产生含一定删失比例的特定生存分布数据,供探索性研究或对比性研究使用。文献检索后发现,目前国内外针对删失生存数据的模拟研究数量较少~[1-3]。按照其发生是否与研究对象的其他特征有关,删失分为随机删失(random censoring)和非随机删失(本文来源于《中国卫生统计》期刊2016年06期）
刘阳[7]（2016）在《基于随机缺失/删失平稳遍历函数型数据条件特征量的非参数估计》一文中研究指出本学位论文主要研究缺失删失条件下平稳遍历函数型数据条件特征数的非参数核估计的渐近性质,并得到了很好的结果,主要内容如下：(一)、基于函数型平稳遍历下响应变量随机缺失时条件众数的估计在随机缺失(MAR)机制下,利用着名的Nadarage-Watson核估计得到了平稳遍历条件下函数型数据非参数回归模型条件众数估计的几乎处处收敛速度、渐近正态性;由渐近正态性,我们得到了相关的引理以及条件众数的渐近(1-α)的置信区间；最后我们给出了一个模拟分析,针对不同的缺失率我们比较了缺失数据下估计量的均方误差,并得到了很好的估计效果。(二)、基于函数型平稳遍历下响应变量随机删失时回归函数的估计在随机删失机制下,利用着名的Nadarage-Watson核估计得到了平稳遍历条件下函数型数据非参数回归函数核估计的几乎处处收敛速度、渐近正态性；由渐近正态性,我们得到了相关的引理以及回归函数估计的渐近(1-α)的置信区间；最后我们给出了一个模拟分析,针对不同的删失率我们比较了删失数据下估计量的均方误差以及利用直方图和Q-Q图检验了估计量的渐近正态性,并得到了很好的估计效果。(本文来源于《合肥工业大学》期刊2016-04-01）
董晓芳,张良勇,王志军[8]（2016）在《排序集抽样下随机删失数据的乘积限估计》一文中研究指出为了估计未知总体的生存函数,提出排序集抽样下随机删失数据的乘积限估计量,证明了新估计量的强相合性,确定了其强收敛速度,并与简单随机抽样下相应估计量进行估计效率的比较,结果表明排序集抽样效率高于简单随机抽样.最后,对生态环境的一组真实数据进行了实际应用.(本文来源于《河北师范大学学报(自然科学版)》期刊2016年02期）
华根[9]（2015）在《对数正态分布下带有随机移走的逐步删失定数截尾恒加试验的最优设计》一文中研究指出本文研究了对数正态分布下带有随机移走的逐步删失定数截尾恒加试验的最优设计问题,假定在每次随机移走的数目服从二项分布。我们建立统计模型,运用极大似然法估计寿命分布的参数,推导出寿命分布的q分位寿命估计量的渐进方差,并用数值模拟的方法求出使渐进方差达到最小的最佳应力水平和试验样品的分配比例,即加速寿命试验最优设计,为在所提出的模型下进行加速寿命试验提供了有价值的参考。(本文来源于《云南大学》期刊2015-05-01）
董晓芳,张良勇,徐兴忠[10]（2014）在《随机删失模型下排序集样本的非参数估计与应用》一文中研究指出针对生存分析中经常出现的随机删失模型,文章提出排序集抽样下生存函数的乘积限估计量,证明了新估计量的渐近正态性,确定了其渐近方差,并与简单随机抽样下相应估计量进行了估计效率的比较,结果表明排序集抽样效率高于简单随机抽样。最后,我们对肾癌患者的临床数据进行了实际应用。(本文来源于《统计与决策》期刊2014年22期）
随机删失论文开题报告
（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：
研究了观察数据被随机删失时,极大似然估计的局部渐近正态性与渐近极小极大有效性,建立了局部渐近正态成立的充分条件,并给出渐近极小极大风险的下界以及达到该下界的充分必要条件,证明了随机删失下参数极大似然估计的渐近极小极大有效性.
（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。
随机删失论文参考文献
[1].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
[2].康宏亮.随机删失数据下极大似然估计量的性质[J].兰州文理学院学报(自然科学版).2019
[3].王江峰,范国良,温利民.删失指标随机缺失下回归函数的复合分位数回归估计[J].系统科学与数学.2018
[4].罗修辉.随机删失下广义Pareto分布的统计推断[D].广西师范学院.2018
[5].沈安慰,郭基联,王卓健,张庆立.威布尔分布随机右删失数据下客观贝叶斯评估的敏感性分析[J].系统工程与电子技术.2017
[6].肖媛媛,许传志,赵耐青.含特定比例均匀随机删失生存数据的SAS模拟实现[J].中国卫生统计.2016
[7].刘阳.基于随机缺失/删失平稳遍历函数型数据条件特征量的非参数估计[D].合肥工业大学.2016
[8].董晓芳,张良勇,王志军.排序集抽样下随机删失数据的乘积限估计[J].河北师范大学学报(自然科学版).2016
[9].华根.对数正态分布下带有随机移走的逐步删失定数截尾恒加试验的最优设计[D].云南大学.2015
[10].董晓芳,张良勇,徐兴忠.随机删失模型下排序集样本的非参数估计与应用[J].统计与决策.2014
论文知识图
