• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Lifetime Data Analysis >A pool-adjacent-violators type algorithm for non-parametric estimation of current status data with dependent censoring
【24h】

A pool-adjacent-violators type algorithm for non-parametric estimation of current status data with dependent censoring

机译：具有依赖检查的非状态估计当前状态数据的池相邻违反者类型算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A likelihood based approach to obtaining non-parametric estimates of the failure time distribution is developed for the copula based model of Wang et al. (Lifetime Data Anal 18:434-445,2012) for current status data under dependent observation. Maximization of the likelihood involves a generalized pool-adjacent violators algorithm. The estimator coincides with the standard non-parametric maximum likelihood estimate under an independence model. Confidence intervals for the estimator are constructed based on a smoothed bootstrap. It is also shown that the non-parametric failure distribution is only identifiable if the copula linking the observation and failure time distributions is fully-specified. The method is illustrated on a previously analyzed tumorigenicity dataset.
机译：对于Wang等人的基于copula的模型，开发了一种基于可能性的方法来获取故障时间分布的非参数估计。 （Lifetime Data Anal 18：434-445,2012）进行依赖观察下的当前状态数据。可能性的最大化涉及广义池邻近违反者算法。估计器与独立性模型下的标准非参数最大似然估计一致。估计器的置信区间是基于平滑的引导程序构造的。还表明，只有将观察与故障时间分布联系在一起的copula是完全指定的，才能确定非参数故障分布。在先前分析的致瘤性数据集上说明了该方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号