广义极值回归模型下现状数据的贝叶斯估计

• 作者: 孙烨 蒋京京 王纯杰
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 数学
• 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
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 82-90
• 页数: 9页
• 分类号: O212.8
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2021060907

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.