Weibull analysis with sequential order statistics under a power trend model for hazard rates
在工程系统中，通常假设元件的寿命是独立同分布的。但是，组件的故障会导致剩余组件的负载更高，从而导致幸存组件的分布发生变化。对于这类系统的建模，可以采用序贯顺序统计量（SOS）理论。假设元件寿命服从韦布尔分布，条件比例风险率模型是SOS理论的一种特殊情况，得到了不同情况下未知参数的最大似然估计.提出了一种新的模型PTCPHM，作为iid情形的推广，然后发展了PTCPHM下的统计推断方法，包括点估计、区间估计以及假设检验。最后，对Mann和Fertig（1973）提出的飞机部件失效时间的实际数据进行了分析，以说明本文所提出的模型和推理方法。
2019-12-17 math.ST stat.ME stat.TH
Dependence comparisons of order statistics in the proportional hazards model
令$X_1, \ldots , X_n$是具有不同风险率$λ_1, \ldots , λ_n > 0$的相互独立的指数随机变量，并且令$Y_1, \ldots, Y_n$是来自具有风险率$\bar \lmd = \sum_{i=1}^n \lmd_i/n$的指数分布的随机样本。还让$X_{1:n} < \cdots < X_{n:n}$和$Y_{1:n} < \cdots < Y_{n:n}$作为其关联的顺序统计量。结果表明，对于$1\le i <j \le n$，广义间距$X_{j:\, n} - X_{i:\, n}$比$Y_{j:\,n} - Y_{i:\, n}$更分散，根据色散排序。这一结果是用来解决一个长期存在的开放问题，$2\le i \le n$的$ X_{i:\, n}$对$X_{1:\, n}$的依赖性小于$Y_{i: \, n}$对$Y_{1\, :n}$的依赖性，在这个意义上，更多的随机性增加。这一结果也被推广到PHR模型。这扩展了{ \em Genest，Kochar和Xu}[J.多元分析{ \bf 100}（2009）\ 1587-1592]，其证明了$i =n$的该结果。
2022-02-16 math.PR math.ST stat.TH
Multivariate extreme value theory
本文从多元阈值超额与失效集角度介绍经典多元极值理论，利用多元广义Pareto分布族建模，通过点过程视角并考虑特定区域无观测事件，推导出最大稳定与广义极值分布。
2024-12-24 math.ST stat.TH
The Inverse Weighted Lindley Distribution: Properties, Estimation and an Application on a Failure Time Data
本文提出了一种新的分布。这种新模型为使用倒浴缸危险率函数的数据建模提供了更大的灵活性。一个新的分布的数学性质的显着帐户。在完全数据和删失数据下给出了参数的极大似然估计。两种校正方法被认为是获得修改后的估计是无偏二阶。进行了数值模拟，以检查偏压校正的效率。最后，一个应用程序使用一个真实的数据集，以说明我们提出的分布。
2017-11-26 math.ST stat.TH
Robust inference for an interval-monitored step-stress experiment under proportional hazards
本文针对比例风险下的区间监测步进应力加速寿命试验，提出稳健的最小密度幂散度估计器族，用于估计可靠性和寿命特征，并通过模拟验证其稳健性与效率。
2024-02-09 math.ST stat.TH
Competing risks regression for clustered survival data via the marginal additive subdistribution hazards model
针对存在竞争风险的聚类相关生存数据，提出群体平均加性子分布风险模型与稳健三明治方差估计量，开发拟合优度检验，经模拟验证后用于STRIDE试验数据分析。
2023-08-16 stat.AP stat.ME
Power Generalized KM-Transformation for Non-Monotone Failure Rate Distribution
本文提出幂广义KM变换（PGKM）这一新寿命模型以刻画非单调失效率，推导其矩、分位数、熵及极值分布，并用MLE、模拟和三组真实数据验证。
2023-09-30 math.ST stat.AP stat.ME
Model Identifiability for Bivariate Failure Time Data with Competing Risk: Non-parametric Cause-specific Hazards and Gamma Frailty
本研究探讨了带有竞争风险的二元生存数据在非参数基线特定原因风险和不同Gamma脆弱性分布下的模型可识别性，证明了双非参数模型的不可识别性，并验证了四种Gamma脆弱性模型在一般假设下的可识别性。
2024-06-28 math.ST stat.TH
IV estimation of causal hazard ratio
Cox比例风险模型是评价暴露与删失失效时间结果之间关联的最流行的统计模型之一。当未完全观察到混杂因素时，使用Cox模型估计的暴露风险比存在未测量的混杂偏倚。为了解决这一问题，我们提出了一种新的方法来识别和估计的因果风险比存在不可测量的混杂因素。我们的方法是基于一个二进制工具变量，和一个额外的无相互作用的假设，在第一阶段回归的治疗IV和未测量的混杂因素。我们建议，据我们所知，第一个相合估计量（人口）的因果风险比内的工具变量的框架。我们的估计的一个版本承认一个封闭形式的表示。我们导出了估计量的渐近分布，并给出了其渐近方差的相合估计量。我们的方法是通过模拟研究和数据应用程序说明。
2022-01-02 stat.ME
Efficient Semiparametric Estimation of Short-term and Long-term Hazard Ratios with Right-Censored Data
在科学研究中，截尾失效时间数据的Cox模型中的比例风险假设经常被违反。Yang和Prentice（2005）提出了一种新的半参数双样本模型，该模型包括比例风险模型和比例优势模型作为子模型，并适应交叉生存曲线。该模型未指明基线风险，两个模型参数可解释为短期和长期风险比。推理程序是基于伪分数方法开发的。虽然提到了扩展以适应协变量，但尚未提供或证明正式程序。此外，伪分数方法可能不是渐进有效的。我们研究了Yang和Prentice（2005）的短期和长期风险比模型的扩展，以适应潜在的时间依赖协变量。我们开发了有效的基于似然的估计和推理程序。证明了非参数极大似然估计是相合的、渐近正态的和渐近有效的。大量的仿真研究表明，所提出的方法在实际环境中表现良好。所提出的方法捕捉到的现象，交叉危险的癌症临床试验，并确定了一个遗传标记，具有显着的长期影响错过了使用比例风险模型在发病年龄的酒精中毒的遗传研究。
2012-06-05 stat.ME
Model Identifiability for Bivariate Failure Time Data with Competing Risks: Parametric Cause-specific Hazards and Non-parametric Frailty
本文针对含竞争风险的双变量生存数据，结合四类非参数脆弱性与参数化基线原因别风险函数，研究模型可识别性，并假设脆弱性均值为1。
2024-06-29 math.ST stat.ME stat.TH
An Accelerated Failure Time Regression Model for Illness-Death Data: A Frailty Approach
本文提出了一种新的模型和估计方法的疾病死亡生存数据的风险函数遵循加速失效时间（AFT）模型。一个共享的脆弱性变量诱导正相关的故障时间的主题处理之间的未观察到的依赖关系的非终端和终端故障时间给定的观察到的协变量。利用核平滑辅助期望最大化算法建立了半参数极大似然估计过程，并利用加权自助法估计方差。该模型的背景下，现有的脆弱性为基础的疾病-死亡模型，强调目前的工作的贡献。鹿特丹肿瘤银行的乳腺癌数据进行了分析，使用建议和现有的疾病-死亡模型。结果进行了对比和评价的基础上，一个新的图形拟合优度的程序。模拟结果和数据分析很好地证明了疾病-死亡框架下的AFT回归模型的实际效用的共享脆弱变量。
2022-05-08 stat.AP stat.ME
Beta-Linear Failure Rate Distribution and its Applications
本文提出了一种新的四参数广义线性失效率分布，称为Beta-线性失效率分布。新的分布是非常灵活的，可以有效地用于建模生存数据和可靠性问题。它可以有一个常数，减少，增加，倒置浴缸（单峰）和浴缸形的故障率函数取决于其参数。它包括一些著名的寿命分布作为特殊的子模型。我们提供了一个全面的帐户的数学性质的新分布。特别地，给出了BLFR的密度、累积分布和风险率函数的封闭表达式。并导出了该分布的$r$阶矩。讨论了完全样本下新模型未知参数的极大似然估计，得到了Fisher信息矩阵的表达式。最后，为了展示这种分布的灵活性和说明性目的，给出了一个使用真实数据集的应用程序。
2012-12-21 stat.ME
The Weibull-Geometric distribution
本文首次介绍了Weibull-几何分布，它是Adamidis和Loukas（1998）提出的指数-几何分布的推广。最后一个分布的风险函数是单调递减的，但新分布的风险函数可以采取更一般的形式。与韦布尔分布不同，该分布可用于建模单峰失效率。我们推导了累积分布和风险函数，顺序统计量的密度，并计算了它的矩和顺序统计量的矩的表达式。我们给出了Rényi熵和Shannon熵的表达式。讨论了极大似然估计过程，并提出了一种算法EM（Dempster等人，1977; McLachlan和Krishnan，1997）用于估计参数。我们得到了信息矩阵，并讨论了推理。实际数据集的应用程序给出了所提出的分布的灵活性和潜力。
2008-09-16 stat.ME
Simultaneous inference procedures for the comparison of multiple characteristics of two survival functions
针对比例风险假设不成立时生存分析的多重参数推断需求，提出基于计数过程的多元正态渐近推断框架，实现多重检验校正与同时置信区间构建，通过模拟和肿瘤实例验证，且提供R包nph实现。
2023-10-03 stat.ME
Proportional hazards models with continuous marks
对于具有许多竞争风险的事件发生时间数据，比例风险模型是将原因特异性结局与协变量联系起来的常用工具[Prentice et al. Biometrics 34（1978）541- 554]。本文研究了这种方法的扩展，以允许一个连续的竞争风险，其中失败的原因是由一个连续的标记只观察到在故障时间。我们开发的比例风险模型，其中回归参数依赖于非参数的标记和基线风险依赖于非参数的时间和标记的推断。这项工作的动机是需要评估艾滋病毒疫苗的有效性，同时考虑到试验参与者感染艾滋病毒与疫苗中所含艾滋病毒株的遗传差异，并调整协变量效应。标记特异性疫苗效力用标记特异性比例风险模型中的一个回归函数表示。新方法在模拟中进行了评估，并应用于第一次HIV疫苗有效性试验。
2009-03-03 math.ST stat.TH
Compounded Linear Failure Rate Distribution: Properties, Simulation and Analysis
S P Jain School of Global Management（S P Jain全球管理学院）
本文提出一种扩展的线性失效率分布模型，通过引入额外参数提高灵活性，用于更准确地建模寿命数据，并通过模拟和实证分析验证其优越性。
2026-01-12 stat.AP stat.ME
Cluster on the Subject, Not the Record: Confidence Intervals and Simultaneous Bands for Additive-Hazards Sequential Trial Emulation
University of British Columbia（不列颠哥伦比亚大学）；St. Paul’s Hospital（圣保罗医院）
该研究针对加性风险序贯试验模拟，指出行级稳健方差存在反保守性，提出受试者聚类方差和乘子自助法可改善置信区间覆盖率，并通过模拟和实际数据验证了方法有效性，相关代码已整合至steCI R包。
2026-08-04 stat.AP stat.ME
Modi linear failure rate distribution with application to survival time data
Mohamed Khider University（穆罕默德·基德尔大学）
本文提出Modi线性失效率分布模型，用于建模生存时间数据，具有适应多种危险率形状的能力，并通过实证数据验证其优越性。
2026-02-25 stat.AP stat.ME
The Compound Class of Linear Failure Rate-Power Series Distributions: Model, Properties and Applications
本文引入了一类新的分布，它推广了线性失效率（LFR）分布，并将LFR分布与幂级数（PS）分布复合得到。这类新的分布被称为线性失效率-幂级数（LFRPS）分布，它包含了一些新的分布，如线性失效率几何（LFRG）分布、线性失效率泊松（LFRP）分布、线性失效率对数（LFRL）分布、线性失效率二项（LFRB）分布和Raylight-power series（RPS）分布。一些前人的工作，如指数幂级数（EPS）类的分布，指数几何（EG）分布，指数泊松（EP）分布和指数对数（EL）分布是新提出的模型的特殊情况。LFRPS类分布的能力在于覆盖五种可能的风险率函数，即，渐增、渐减、倒置浴缸（单峰）、渐减浴缸和渐增形。本文讨论了LFRPS分布的矩、EM算法的极大似然估计和大样本下的推断等性质。为了展示新分布类的灵活性和潜力，利用一个实际数据集比较了新分布类及其部分子模型的拟合结果。
2014-02-21 stat.CO stat.ME
Local differential privacy in survival analysis using private failure indicators
本文提出在局部差分隐私下，通过私有化失败指标并用非参数核估计器估计累积风险函数，证明其一致性及极小极大最优性。
2024-02-06 math.ST stat.ME stat.TH
Semi-parametric estimation of the hazard function in a model with covariate measurement error
我们考虑一个模型的故障风险函数，条件上的协变量$Z$是由$R(t,θ^0|Z)=η\_{γ^0}(t)f\_{β^0}(Z)$，与$θ^0=(β^0,γ^0)^\top\in \mathbb{R}^{m+p}$。基线危险度函数$η\_{γ^0}$和相对危险度$f\_{β^0}$均属于参数族。通过误差模型$U=Z+ε$测量协变量$Z$，其中$ε$独立于$Z$，密度已知$f\_ε$。我们观察$n$样本$(X\_i, D\_i, U\_i)$、$i=1,...,n$，其中$X\_i$是故障时间和删失时间之间的最小值，$D\_i$是删失指标。我们的目的是估计$θ^0$在存在的未知密度$g$。我们的估计程序的基础上最小二乘准则提供了两个估计。第一个最小化最小二乘准则的估计，其中$g$估计密度反卷积。其速率取决于作为$z$的函数的$f\_ε$和$f\_β(z)$的平滑度。我们得到了保证$\sqrt{n}$ -一致性的充分条件。第二个估计量的条件下，确保最小二乘准则可以直接估计的参数率。这些估计，深入研究，通过例子，特别是$\sqrt{n}$ -一致的和渐近高斯的Cox模型和超额风险模型，无论是$f\_ε$。
2006-06-08 math.ST stat.TH
Estimating conditional hazard functions and densities with the highly-adaptive lasso
针对多元càdlàg函数类上的条件风险函数与密度估计问题，提出基于数据自适应筛的高度自适应套索估计量，证明其收敛速度与定义明确时的经验风险最小化器相当，且基函数数量更少，还拓展至右删失数据场景与新的条件密度估计。
2024-04-17 math.ST stat.TH
Higher criticism for rare and weak non-proportional hazard deviations in survival analysis
Reichman University（瑞克曼大学）；Technion - Israel Institute of Technology（以色列理工学院）
本文提出基于高阶批评的生存数据比较方法，对罕见且弱的非比例风险差异敏感，功效优于对数秩检验，并在理论框架下分析了渐近功效与相变特性。
2025-10-27 math.ST stat.ME stat.TH
Likelihood approach for marginal proportional hazards regression in the presence of dependent censoring
在许多公共卫生问题中，一个重要的目标是确定某些治疗/干预对整个人群失败风险的影响。边际比例风险回归模型经常被用来分析这种影响。当相依删失被许多辅助协变量解释时，我们利用两个工作模型来压缩高维协变量以实现降维。然后通过在筛空间上最大化一个伪似然函数得到处理效果的估计量。当两个工作模型中的任何一个是正确的时，这样的估计是一致的且渐近正态的;此外，当两个工作模型都是正确的时，其渐近方差与半参数效率界相同。
2005-05-27 math.ST stat.TH
Case-Control Survival Analysis with a General Semiparametric Shared Frailty Model - a Pseudo Full Likelihood Approach
在这项工作中，我们处理相关的故障时间（发病年龄）数据所产生的基于人口的病例对照研究，其中病例和对照先证者选择基于人口的抽样和一系列的风险因素措施收集的情况下，控制和他们的亲属。感兴趣的参数是风险因素对故障时间的危险函数和调整风险因素后的故障时间的家族内依赖性的影响。由于抽样的回顾性，现有方法的大样本理论尚未建立。我们开发了一种新的估计技术，估计这些参数下的一般半参数共享脆弱性模型。我们还提出了一个简单的，易于计算，和非迭代的非参数估计的累积基线风险函数。一个严格的大样本理论，这些参数的拟议估计给出了模拟和一个真实的数据例子说明所提出的方法的实用性。
2007-03-11 math.ST stat.TH
Some Ageing Properties of Dynamic Additive Mean Residual Life Model
虽然比例风险率模型是分析失效时间数据的一个非常流行的模型，但有时对可加风险率模型的研究变得很重要。同样，与平均剩余寿命函数的概念相比，有时危险率函数的概念是抽象的。文献中定义了一种新的模型，称为“动态可加平均剩余寿命模型”，其中协变量是时间依赖的。本文研究了在一定条件下，正、负老化类模型的封闭性。通过实例说明了模型的不同性质。
2017-05-29 math.ST stat.TH
Data Augmentation of Multivariate Sensor Time Series using Autoregressive Models and Application to Failure Prognostics
本文提出基于时变自回归过程的非平稳多元传感器时间序列数据增强方法，利用 CMAPSS 数据集和 AutoML 预测方案验证其可在数据稀缺场景下显著提升故障预测性能。
2024-10-24 cs.LG math.ST stat.ME
Updating seismic hazard at Parkfield
2004年9月28日发生在加利福尼亚州帕克菲尔德的Mw=6.0的主震，显著增加了圣安德列阿斯断层这一段主震之间时间间隔的平均值和非周期性。我们使用五种不同的统计分布作为更新模型来拟合这个新的系列，并估计下一个帕克菲尔德主震的时间相关概率。其中三种分布（对数正态分布、伽玛分布和威布尔分布）经常用于可靠性和失效时间问题。另外两个来自基于物理的地震复发模型（布朗通过时间模型和最小模型）。强调了这五种更新模型的差异。
2005-11-16 math.ST physics.geo-ph stat.TH
Robust Inference for Univariate Proportional Hazards Frailty Regression Models
本文考虑一类半参数回归模型，它是Cox [J. Roy.中央集权主义者Soc.Ser.B34（1972）187-220]右删失单变量失效时间模型。这些模型假设，给定协变量的风险和每个个体独有的随机脆弱性具有比例风险形式乘以脆弱性。假设脆弱性在已知的单参数分布族内具有平均值1。推断是基于非参数似然。一般情况下，拟合模型可能被误指定的似然最大化的行为进行了研究。联合估计的回归和脆弱性参数，以及基线风险是一致一致的伪值最大化的渐近极限的可能性。适当的标准化，估计弱收敛到高斯过程。当模型被正确指定时，该过程是半参数有效的，实现了所有参数分量的半参数信息界。它还证明了引导给有效的推断，所有参数，即使在误指定。我们证明了分析的重要性，在几个例子中的鲁棒推理。在随机临床试验中，当其他预后因素和虚弱分布都被错误指定时，治疗效果的有效检验是可能的。在协变量的某些条件下，回归参数的比值仍然是可识别的。该程序的实际效用说明了一个非霍奇金淋巴瘤数据集。
2004-10-05 math.ST stat.TH
Consistent single- and multi-step sampling of multivariate arrival times: A characterization of self-chaining copulas
本文研究了边缘指数分布的到达时间之间的相关性，如金融建模中的违约时间或可靠性理论中的故障间隔时间。我们探讨了依赖性之间的关系，并在一个很长的时间间隔作为一个序列的局部多变量生存沿分区的总时间间隔的迭代采样最终的多变量生存的可能性。我们发现，这是可能的，在一种形式的多元缺乏记忆，这是联系到一个属性的生存时间Copula。这个属性定义了一个"自链copula"，我们表明，这是一致的极值copula特征。Gumbel-Hougaard copula和Marshall-Olkin copula满足自链条件，Gumbel-Hougaard copula是阿基米德族中自链copula的一个完整刻画。该结果具有重要的实际意义一致的单步和多步模拟的多元到达时间的方式，不破坏通过迭代的依赖性，发生时不一致迭代高斯copula。
2012-04-28 math.PR math.ST q-fin.PR
