删失截断情形下Weibull分布多变点模型参数估计.pdfVIP

高校应用数学学报 2015，30(2)：127—138 删失截断情形下Weibul1分布多变点模型的 参数估计 何朝兵 (安阳师范学院数学与统计学院，河南安阳455000) 摘 要：通过添加缺失的寿命变量数据，得到了删失截断情形下Weibul1分布多变点 模型的完全数据似然函数，研 究了变点位置参数和形状参数 以及尺度参数 的满条 件分布．利用Gibbs抽样 -~Metropolis—Hastings算法相结合的MCMC方法得到了参数 的Gibbs样本，把Gibbs样本的均值作为各参数的Bayes估计．详细介绍了MCMC方法 的实施步骤．随机模拟试验的结果表明各参数Bayes~计的精度都较高． 关键词：完全数据似然函数；满条件分布；MCMC方法；Gibbs抽样；Metropolis— Hastings算法 中图分类号：O213．2；O212．8 文献标识码：A 文章编号：1000—4424(2015)02—0127-11 §1 引 言 近年来变点问题成为统计学中比较热门的研究方向，它广泛应用于工业质量控制、水文 统计、经济和地震预测等领域．在变点模型中，将样本观察值按出现时间的先后顺序排列，如 果在某个未知时刻样本的分布或数字特征突然改变，那么这个未知时刻被称为变点．变点检 测方法主要有最大似然法、非参数方法和Bayes方法等．关于变点模型的研究可参看文献f1—71， 其中文f11首次研究了变点模型，文f2]总结了变点分析理论，文f31对变点模型进行了准确高效 的Bayes推断，文f41给出了水文气象时间序列变点问题的Bayes变点分析．最大似然法主要依靠 样本的似然函数来进行统计推断，但 由于变点位置参数和分布参数都是未知的，所以似然函数 很复杂，这时似然方程的求解往往要借助于繁琐的数值计算方法来完成．非参数方法一般会绕 过一个似然函数的完全规定，其后果是推断缺乏效率，估计有偏．Bayes方法由于能够综合各类 先验信息，给出变点可能位置等优点在国内外得到广泛应用，而计算的复杂性是Bayes方法的难 点．MarkovchainMonteCarlo(MCMC)方法是一种简单且行之有效的Bayes计算方法，主要 包括Gibbs抽样和Metropolis—Hastings算法．MCMC方法使Bayes统计中许多看起来困难的计算 变得简单直观．MCMC算法的应用很广泛，比如约束参数模型，变点模型，截尾数据和分组数 收稿 日期：2014—12．14 修 回日期：2015．05—06 基金项 目：国家 自然科学基-~；河南省教育厅科学技术研究重点项目(14Bl10011) 128 高校 应 用数 学 学 报 第30卷第2期 据，多个分布的混合等．关于MCMC方法在变点模型中的应用可参看文献f8—111，其中文8『1给出 了MCMC方法在信号变点问题中的应用，文 9『1利用模拟退火方法研究 Bayes多变点估计． 进行寿命试验时，会经常出现删失或截断数据，删失又称为右删失，截断又称为左截断．个 体由于某种原因中途撤离了试验，或者被收集的个体信息中途失去或统计数据时个体尚未寿终， 这就是右删失．如果个体在研究开始之前就 已经寿终或个体本身因条件限制根本无法观察，这 样所获得的个体数据就是左截断数据．有时截断和删失会出现在同一个试验中，例如，对前期已 经确诊为艾滋病的患者进行研究，感兴趣的变量是患者从确诊到死亡的时间，如果个体在研究 的最后提前退出研究或仍然存活，这就是右删失，如果个体在研究还未开始之前就已经死亡，结 果导致无法观察，这就是左截断．删失截断数据模型现己广泛应用于生物学、医学、人口学、 经济学等方面，对此模型的研究可参看文献 1『2—151，其中文 1『2]研究了此模型的回归分析和非参 数估计，文f131研究了此模型下对数正态分布的最大然估计．welibul1分布是可靠性中常用失效 分布之一，许多电子与机械的元器件与设备等产品的失效分布都是Weibul1分布．大量的实践说 明，凡是因某一局部失效而导致全局停止运行的元件、器件、设备等的寿命