Point and Interval Estimation of Weibull Parameters Based on Joint Progressively Censored Data
逐步删失数据的分析在过去几年中受到了相当大的关注。本文考虑两个总体的联合逐步截尾方案。假设来自两个总体的项目的寿命分布服从形状相同但尺度参数不同的韦布尔分布。基于联合逐步截尾方案,我们首先考虑未知参数的极大似然估计。在形状和尺度参数具有相当一般的先验条件下,给出了未知参数的贝叶斯推断。贝叶斯估计和相关的可信区间不能得到封闭的形式,我们建议使用重要性抽样技术来计算相同的。此外,我们考虑的问题时,它是已知的先验,一个人口的预期寿命小于其他。给出了未知参数的阶限制经典推断和贝叶斯推断。进行蒙特卡罗模拟,以观察不同的估计和相关的置信度和可信区间的性能。为了说明的目的,一个真实的数据集进行了分析。
2017-06-23 stat.AP stat.ME
Estimation of Weibull Shape Parameter by Shrinkage Towards an Interval Under Failure Censored Sampling
本文考虑了两参数韦布尔分布中失效截尾样本中形状参数β的一类收缩估计,当含有参数β的先验区间或猜测区间除了样本信息外是已知的,并分析了它们的性质.一些估计产生的建议类,并与最小均方误差(MMSE)估计。数值计算的百分比相对效率和绝对相对偏差表明,某些这些估计大大提高了MMSE估计在某些猜测区间的参数空间的β,特别是对删失样本的小尺寸。随后,提出了一类改进的收缩估计及其性质。
2002-02-26 math.ST stat.TH
WTNN: Weibull-Tailored Neural Networks for survival analysis
SIMMT;LPSM, Sorbonne Université(LPSM,索邦大学);CREST Laboratory CNRS UMR 9194(CREST实验室 CNRS UMR 9194);EDF R&D – SINCLAIR Laboratory(EDF R&D – SINCLAIR实验室)
WTNN是一种专为Weibull生存研究设计的神经网络框架,通过整合定性先验知识,提升生存预测的稳健性和可解释性。
2025-12-09 cs.LG stat.AP stat.ME
A general Bayesian bootstrap for censored data based on the beta-Stacy process
我们介绍了一种新的程序进行贝叶斯非参数推断与右删失数据,\emph{beta-Stacy bootstrap}。这近似于生存分布总结的后验法则(例如平均生存时间)。更确切地说,我们的程序近似的联合后验法的β-斯泰西过程,非参数过程之前,广义的狄利克雷过程,并广泛用于生存分析的泛函。beta-Stacy bootstrap推广并统一了其他常见的贝叶斯bootstrap,用于基于非参数先验的完整或删失数据。它由精确采样算法定义,不需要调整马尔可夫链蒙特卡罗步骤。我们通过分析来自真实临床试验的生存数据来说明β-Stacy自助法。
2021-11-16 math.ST stat.CO stat.ME
A Multi-parameter regression model for interval censored survival data
我们开发了灵活的多参数回归生存模型,用于纵向前瞻性研究和纵向随机对照临床试验中的区间删失生存数据。本文主要研究了一类全参数、非比例风险的多参数Weibull回归生存模型。我们描述的基本模型,开发的区间删失的可能性和扩展的模型,包括伽玛脆弱性和分散模型。我们通过模拟研究和信号Tandmobiel $^{\circledR}$研究数据的详细重新分析来评估模型。结果表明,多参数回归模型与脆弱性是计算效率高,并提供了一个很好的拟合数据。
2019-01-28 stat.ME
Semiparametric rank-based regression models as robust alternatives to parametric mean-based counterparts for censored responses under detection-limit
UCSD Herbert Wertheim School of Public Health and Human Longevity Science(加州大学圣地亚哥分校赫伯特·韦特海姆公共卫生与人类长寿科学学院)
本文提出半参数秩回归模型作为检测限下受挫响应的稳健替代方案,通过比较不同模型在偏倚、变异性及效率方面的表现,验证其在分布假设不确定时的稳定性。
2025-12-11 stat.ME
Discrimination performance in illness-death models with interval-censored disease data
Mathematical Institute, Leiden University(莱顿大学数学研究所);Department of Biomedical Data Sciences, Leiden University Medical Center(莱顿大学医学中心生物医学数据科学系);Trial and Data Center, Princess Máxima Center for Pediatric Oncology(公主玛克西玛儿童肿瘤中心试验与数据中心)
本研究探讨了在区间删失疾病数据下,疾病死亡模型的鉴别性能影响,比较了不同方法对AUC的估计效果。
2026-01-30 stat.ME
Sampling with censored data: a practical guide
本文为带删失数据的伪随机抽样提供实用指南,涵盖I型、II型和随机删失及含治愈比例的长期生存模型,并以Weibull分布为例给出R算法与代码,最终封装为R包供研究人员使用。
2024-09-30 stat.CO
A maximum-mean-discrepancy goodness-of-fit test for censored data
我们引入了一个基于核的拟合优度检验的删失数据,观察可能会在随机时间间隔丢失:在临床试验和工业寿命测试中常见的情况。检验统计量和检验阈值一样,计算起来很简单,我们在零值下建立了一致性。与早期的方法(如对数秩检验)不同,我们没有假设数据分布可能与空值有何不同,并且我们的检验具有针对非常丰富的替代方案的能力。在实验中,我们的测试优于竞争的方法周期性和威布尔风险函数(其中风险是时间相关的),并没有显示故障模式的测试,依赖于用户定义的功能。此外,在经典测试被证明是最强大的情况下,我们的测试表现得几乎一样好,同时更一般。
2018-10-09 stat.ME
Discrete Weibull generalised additive model: an application to count fertility data
生育计划,衡量计划生育子女的数量,已被发现通过复杂的尾部依赖关系受教育和家庭背景的影响。这个挑战以前遇到了使用非参数抖动的方法。本文展示了一种新的广义可加模型的基础上离散韦布尔分布提供的协变量的生育计划,这是比较抖动的部分效果,没有交叉条件分位数的固有缺点。该模型具有一些额外的理想的功能:过度和欠分散的数据都可以用这个分布建模,条件分位数有一个简单的解析形式和可能性是一个连续的韦布尔分布与区间删失数据相同。后者意味着有效的实现已经可用,在R包gamlss中,用于一系列模型和推理程序,并且与抖动和COM-泊松方法相比,在一小部分时间内,显示出这种方法对计数数据建模的广泛适用性的潜力。
2018-01-24 stat.ME
Estimation in Weibull Distribution Under Progressively Type-I Hybrid Censored Data
本文研究了在渐进I型混合截尾下,寿命数据服从韦布尔分布时未知参数的估计问题。利用Newton-Raphson算法、EM算法和SEM算法得到了未知参数的最大似然估计。在此基础上,利用Tierney-Kadane方法和马尔可夫链Monte Carlo(MCMC)方法,分别在三种不同的损失函数,即平方误差损失(SEL)、线性指数损失(LINEX)和广义熵损失(GEL)下得到了贝叶斯估计.同时,给出了收缩预检验估计量。在不同的方案下进行了广泛的Monte Carlo模拟实验,以便使用均方误差,置信区间长度和覆盖概率来比较所列估计的性能。分别采用渐近正态性和MCMC样本获得置信区间和最大后验密度(HPD)区间。最后给出了一个实际数据的例子来说明该方法。最后,提出了一些结论性意见。
2019-11-11 math.ST stat.CO stat.TH
Robust estimations for the tail index of Weibull-type distribution
基于适当的左截尾或截尾数据,提出了Weibull尾系数的两类灵活的$M$ -估计,并增加了两个限制极端污染影响的参数.得到了具有$\sqrt {n}$ -收敛速率的渐近正态性。通过渐近相对效率和影响函数讨论了该算法的鲁棒性。小规模的模拟和CRIX的实证研究进一步证明了这一点。
2018-10-17 math.ST stat.TH
Interval-Censored Survival Analysis of Grapevine Phenology: Thermal Controls on Flowering and Fruit Ripening
Globe Institute, University of Copenhagen(哥本哈根大学环球研究所);Department of Mathematical Sciences, Florida Atlantic University(佛罗里达大西洋大学数学科学系)
本研究开发了基于区间删失生存模型的可重现工作流程,结合 USA-NPN 物候观测与 NASA POWER 天气数据,利用 AFT 模型分析葡萄藤开花和成熟,发现季前温暖条件显著促进早熟,为从公民科学物候数据中提取气候信号提供了有效方法。
2025-10-09 q-bio.QM stat.AP stat.CO
A note on using Bayes priors for Weibull distribution
在本说明中,在技术背景下讨论了Weibull可靠性模型的两个参数的贝叶斯估计的先验的实际使用。分析了先验作为虚拟数据样本的表达形式的意义。失败的物理学的影响也被强调。整个分析表明,一个合理的方式来转换一个真正可用的技术知识先验信息,有效地,而不需要一个漫长的启发过程。一个大型的Monte Carlo研究,完全和小尺寸的删失样本,显示了一些估计,可以利用这样一种新的方法的良好性能。
2013-10-26 math.ST stat.TH
Bayesian composite confidence interval for the tail index under randomly right-censored data
本文针对随机右删失数据下的重尾分布尾部指数,提出基于Jeffrey先验的贝叶斯复合似然估计方法,并利用后验分布构造置信区域,通过模拟和真实数据验证其性能。
2024-06-17 math.ST stat.TH
Estimation of the incubation time distribution in the singly and doubly interval censored model
本文提出非参数估计方法估计单重和双重区间删失模型中的潜伏期分布,提供离散模型的极限分布及置信区间计算,并附R脚本。
2023-12-31 math.ST stat.TH
Empirical Simulation of Survival and Mixed-Type Data for Clinical Trial Design
Indiana University Indianapolis(印第安纳大学印第安纳波利斯分校);Eli Lilly and Company(礼来公司)
本研究提出基于经验Copula的R包EmpiricalSim,用于模拟含多类型变量的多元生存数据,可匹配目标生存分布并保留变量间相关性,在肿瘤临床试验数据重建中表现良好。
2026-08-14 stat.ME
Laplacian-P-splines for shared Gamma frailty models applied to clustered right-censored time-to-event data
Department of Neurodegeneration Diagnostics, University Hospital Bialystok, Poland(比亚韦斯托克医院神经退行性疾病诊断系);Interuniversity Institute for Biostatistics and statistical Bioinformatics (I-BioStat), Data Science Institute, Hasselt University, Belgium(哈瑟尔特大学生物统计与统计生物信息学跨大学研究所(I-BioStat));Global Health Institute, Family Medicine and Population Health, University of Antwerp, Belgium(安特卫普大学全球健康学院)
本文提出Laplacian-P-splines方法用于共享Gamma frailty模型,通过模拟研究评估其在集群右截断时间到事件数据中的有限样本性能,并用三个生物医学数据集进行示例。
2026-05-12 stat.ME
Boosting Distributional Copula Regression for Bivariate Right-Censored Time-to-Event Data
提出一种用于右删失双变量事件时间数据的分布copula回归模型,通过梯度boosting实现自动变量选择,适用于高维数据。
2024-12-20 stat.ME
Parameter Estimation of Type-II Hybrid Censored Weighted Exponential Distribution
混合截尾方案是I型和II型截尾方案的混合。研究了混合定数截尾下加权指数分布的参数估计问题。应用EM算法,极大似然估计的评价。还使用Fisher信息矩阵的渐近置信区间提供。应用马尔可夫链蒙特卡罗技术,得到了参数的Bayes估计量和相应的最大后验密度置信区间。蒙特卡洛模拟比较不同的方法的性能进行了分析,一个数据集进行了说明。
2012-03-01 math.ST stat.TH
A dual-stress Bayesian Weibull accelerated life testing model
本文提出了一种贝叶斯加速寿命试验模型。寿命分布采用韦布尔分布,时间转换函数采用广义Eyring模型。这是一个模型,允许使用一个以上的压力源,而其他常用的加速模型,如阿克里先乌斯和幂律模型,只允许一个压力源。广义Eyring-Weibull模型用于应用中,其中MCMC方法用于生成用于后验推断的样本。
2021-11-16 math.ST stat.ME stat.TH
Model Uncertainty and Selection of Risk Models for Left-Truncated and Right-Censored Loss Data
针对保险损失数据的左截断右删失特性,研究参数风险模型的不确定性与选择方法,推导估计量渐近性质,通过模拟和真实数据集评估多种模型验证工具的选择效果。
2024-01-31 math.ST stat.ME stat.TH
Nonparametric Bayesian estimation of a concave distribution function with mixed interval censored data
假设我们观察到有限数量的检查时间以及关于在这些时间中的每一个之前是否发生了特定事件的信息。假设重复的测量在多个事件时间上可用。包括检查次数的检查时间组对于每个事件可能不同。这被称为混合情况区间删失数据。我们考虑事件时间的分布函数的贝叶斯估计,同时假设它是凹的。我们提供了充分条件的先验,使所得到的程序是一致的贝叶斯的观点。我们还提供了计算方法,从后,并说明贝叶斯方法在模拟研究和两个真实的数据集的性能。
2020-11-15 math.ST stat.TH
Estimation of the Coefficient of Variation of Weibull Distribution under Type-I Progressively Interval Censoring: A Simulation-based Approach
National Institute of Technology Meghalaya(梅加拉亚邦国家技术学院)
本文提出基于模拟的方法,在I型逐步区间删失下估计Weibull分布的系数变异及其二阶替代量,通过多种统计方法比较了估计器的性能。
2025-11-20 math.ST stat.ME stat.TH
Censored Graphical Horseshoe: Bayesian sparse precision matrix estimation with censored and missing data
Norwegian Institute of Public Health(挪威公共卫生研究所);Indian Institute of Management Indore(印度管理学院印多尔分校)
本文提出CGHS方法,用于处理截断和缺失数据的贝叶斯稀疏精度矩阵估计,通过引入潜在变量和自适应收缩先验,提高估计精度。
2026-01-10 math.ST stat.CO stat.ME
PIONEER: Bayesian Joint Modelling of Mechanistic Tumour Growth and Time-to-Event Endpoints for Dynamic Prediction of Ongoing Oncology Trials
针对肿瘤学临床试验生存数据不成熟的问题,提出PIONEER贝叶斯联合建模框架,结合肿瘤大小动态与临床事件子模型,通过单次前向模拟得出临床终点,经案例验证可提前预测且量化不确定性,为临床开发决策提供支持。
2026-07-21 math.ST stat.AP stat.ME
High-dimensional Bayesian Tobit regression for censored response with Horseshoe prior
针对高维左删失回归问题,提出结合 Horseshoe 先验、数据增强与 Gibbs 采样的贝叶斯 Tobit 框架,并证明其后验一致性与稀疏收敛速率。
2025-05-13 math.ST stat.ME stat.ML
SDPM: Survival Diffusion Probabilistic Model for Continuous-Time Survival Analysis
Peter the Great St.Petersburg Polytechnic University(彼得大帝圣彼得堡国立大学)
本文提出SDPM,一种用于连续时间生存分析的生成模型,通过去噪扩散模型建模生存结果的条件分布,避免了对事件时间分布的参数假设,并在变换的目标空间中使用标准化对数时间和连续高斯混合表示来表示删失指示符,从而在多个真实生存数据集上取得了竞争力的预测性能。
2026-05-21 cs.AI cs.LG stat.CO
Power laws distributions in objective priors
在贝叶斯应用中使用客观先验已成为一种常见的做法,以分析数据,没有主观信息。形式规则通常获得这些先验分布,而数据提供了后验分布中的主导信息。然而,这些先验通常是不适当的,并可能导致不适当的后验。在这里,我们表明,一般家庭的分布,所获得的客观先验的参数要么遵循幂律分布或具有渐近幂律行为。结果,我们观察到模型的指数在0.5和1之间。理解这些行为使我们能够很容易地验证,如果这样的先验直接从幂律指数导致正确或不正确的后验。在我们的研究中考虑的一般家庭包括基本模型,如指数,伽玛,威布尔,Nakagami-m,哈夫-正常,瑞利,厄兰和麦克斯韦玻尔兹曼分布,仅列出几个。总之,我们表明,理解的机制描述的形状先验提供了必要的信息,可用于在额外的复杂性的情况下。
2020-05-15 math.ST stat.TH
Statistical inference of a competing risks model based on improved adaptive type-II progressive censored data under Gompertz lifetime distribution
Maulana Azad National Institute of Technology Bhopal(莫拉纳·阿扎德国立博帕尔理工学院);National Institute of Technology Rourkela(鲁尔基拉国立理工学院)
本文针对斑胸草雀生存现象,研究Gompertz分布下改进自适应II型逐步删失数据的竞争风险模型,推导参数估计、构造区间并通过模拟与真实数据验证方法性能。
2026-08-04 math.ST stat.ME stat.TH
Conjugacy properties of multivariate unified skew-elliptical distributions
本文证明多元统一偏斜椭圆(SUE)分布在更广泛的多元回归与删失、二分化数据模型中具有共轭性,将贝叶斯共轭推断扩展至椭圆及偏斜椭圆族。
2024-08-04 math.ST stat.ME stat.TH
Training samples in objective Bayesian model selection
贝叶斯模型选择的几种客观方法的核心是使用训练样本(数据的子集),以便允许利用不适当的客观先验。选择训练样本的最常见方法是选择尽可能小的样本,以产生适当的后验,这些样本被称为最小训练样本。当数据在信息内容或对不适当先验的影响方面可能差异很大时,使用最少的训练样本可能是不够的。重要的例子包括某些情况下的离散数据,删失观测的存在,以及某些情况下,涉及线性模型和解释变量。这种情况需要更复杂的方法来选择训练样本。本文开发了多种这样的方法,并成功地应用于具有挑战性的情况。
2004-06-23 math.ST stat.TH
Normal approximation for the posterior in exponential families
本文利用精细的 Stein 算子比较方法,为非共轭指数族模型的一维和多维后验建立定量、非渐近、数据依赖的 Bernstein-von Mises 型正态逼近界,并刻画先验、充分统计量、标准化及维度的影响。
2025-01-11 math.PR math.ST stat.TH
Kullback Leibler property of kernel mixture priors in Bayesian density estimation
Kullback-Leibler邻域在真密度附近的先验概率的正性(通常称为Kullback-Leibler性质)在后验一致性中起着重要作用。贝叶斯估计的一个流行的先验由狄利克雷混合给出,其中核的选择取决于样本空间和待估计的密度类。在适当的条件下,对于一些特殊的核函数,如正态密度核函数或伯恩斯坦多项式核函数,Dirichlet混合先验的Kullback-Leibler性质已经被证明.本文得到了混合一般核的先验具有Kullback-Leibler性质的易于验证的充分条件。我们研究了实际应用中的各种核函数,包括正态密度、$t$、直方图密度、Gamma密度、Weibull密度等,并证明了在真密度下满足一些易于验证的条件时,Kullback-Leibler性质成立.这给出了Kullback-Leibler性质所需的条件的目录,可以很容易地在应用中使用。
2008-05-08 math.ST stat.TH
Bayesian and Empirical Bayesian Bootstrapping
University of Oslo(奥斯陆大学);Norwegian Computing Centre(挪威计算中心)
本文提出非参数贝叶斯重采样方法,用于估计参数θ的贝叶斯估计和置信区间,通过狄利克雷过程先验近似后验分布,并讨论其在半参数回归和删失数据中的应用。
2026-05-12 math.ST stat.TH