.png){kind=icon}
返回
Nonparametric Functions Estimation Using Biased Data
.png){kind=icon}
PRE
AI
DOI：10.3390/math13244037.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
偏倚或加权抽样经常出现在可靠性测试、生物医学生存分析和质量控制研究中，其中观测数据系统地偏离目标总体。本文提出了一种统一框架，用于在数据受偏倚抽样影响时进行概率密度分布、风险率和回归函数的非参数估计。所提出的加权核估计量对偏倚函数w(x)进行调整，能够在一般抽样扭曲下实现渐近无偏估计。提供了全面的理论结果，包括偏差-方差分解、最优带宽阶数以及均方误差特性。广泛的数值模拟以及对Channing House数据集的真实数据应用证明了所提出估计器相对于naïve方法所具有的实用优势和稳健性。结果表明该方法的理论有效性及其在涉及偏倚数据的生存和可靠性研究中的广泛应用。
Keyword:
biased sampling
weighted kernel estimation
hazard rate
regression function
asymptotic properties
consistency
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
引用论文
.png){kind=icon}
分享收藏
Kernel Estimators of the Failure-Rate Function and Density Estimation: An Analogy核估计器在失效率函数和密度估计中的应用：一种类比
PREAI
分享收藏Nonparametric estimation of a conditional distribution from length-biased data基于长度偏差数据的条件分布非参数估计
PREAI
分享收藏
查看更多内容