(3.237.97.64) 您好!臺灣時間:2021/03/04 12:04
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:柯明樹
研究生(外文):Ming-Shou Ko
論文名稱:K-M估計量的Poisson逼近
論文名稱(外文):The Poisson Convergence of K-M Estimator
指導教授:張憶壽張憶壽引用關係
指導教授(外文):I-Shou Chang
學位類別:碩士
校院名稱:國立中央大學
系所名稱:數學系
學門:數學及統計學門
學類:數學學類
論文種類:學術論文
論文出版年:1993
畢業學年度:81
語文別:中文
中文關鍵詞:隨機設限模型卜瓦松過程K-M 估計量.
外文關鍵詞:Random censorship modelPoisson processK-M estimator.
相關次數:
  • 被引用被引用:0
  • 點閱點閱:168
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
假設X1,X2,...,Xn 是非負且獨立的隨機變數,它們共同的分佈函數 F(t)=
P(Xi.ldsim.t), i=1,2,...,n。 而C1,C2,C3,...,Cn 是另一組非負且獨
立的隨機變數, 它們共同的分佈函數 G(t)=P(Ci.ldsim.t), i=1
,2,...,n。 其中,對於每一個 i, Xi 和 Ci 是獨立的。 這些Xi表示的是
所謂的存活時間 (survial time).而這些Ci即所謂的設限時間(censo
ring time)。可是,實際上我們所能觀察到的並不是這些Xi或Ci, 而是另
外一組資料: Yi 及此資料是否設限。 在此, Yi 是Xi 和 Ci 的較小值且
當Yi=Xi 時, 表示資料是未設限的, 否則表示資料是設限的。 這就是所
謂的隨機設限(random censorship)模型。在隨機設限(random
censorship)模型的假設下, Kaplan 和 Meier在西元1958年曾提出一個對
分佈函數F(t)的估計量, 我們稱之為K-M估計量, 又稱為PL估計量(
product-limit estimator), 我們以F.wiggle. (t)表示。 Al-Husaini和
Elliott在西元1984年以鞅 (martingale) 的一些理論和方法証明了在某
些限制下經驗分佈函數n.bcdot.F.wiggle.( t.div.n)弱收斂到一Poisson
過程。 當然, 設限資料的經驗分佈函數也有這種性質。 本文主要的結果
就是以此出發, 討論K-M估計量類似的收斂性質。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔