广义极值回归模型下现状数据的贝叶斯估计

摘要：

广义极值分布自提出以来就受到众多学者关注,它可以用于拟合某些寿命数据,在医学、 工程和气象等领域应用很广泛.本文主要在区间删失I型数据,即现状数据下研究三参数广义极值模型的贝叶斯回归分析.基于广义极值分布的位置参数引入协变量,建立位置参数与生存时间的贝叶斯回归模型,并采用Gibbs抽样和MH算法相结合的MCMC方法,从各个参数的后验分布中进行抽样,得到参数的估计值.利用R软件进行数值模拟,比较极大似然估计和贝叶斯估计在有限样本下的效果,结果表明参数生存回归模型拟合效果好,模拟结果显示贝叶斯估计优于极大似然估计.将该方法用于144只雄性RFM小鼠的肺肿瘤数据分析,得到一些分析结果.

关键词：现状数据;广义极值分布;极大似然估计;贝叶斯估计;MCMC算法

所属期刊栏目：40

分类号：O212.8(概率论与数理统计)

资助基金：国家自然科学基金11671054

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：82-90