Likelihood inference on bivariate competing risks models under the Pareto distribution

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/74524

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/74524

题名:	Likelihood inference on bivariate competing risks models under the Pareto distribution
作者:	李威;Lee, Wei
贡献者:	統計研究所
关键词:	競爭風險;富蘭克聯結函數;二元柏拉圖分配;肯德爾相關係數;牛頓-拉弗森;Competing risks;Frank copula;Bivariate Pareto distribution;Kendall′s tau;Newton-Raphson
日期:	2017-06-27
上传时间:	2017-10-27 14:00:59 (UTC+8)
出版者:	國立中央大學
摘要:	本篇論文研究在二元柏拉圖分配下競爭風險(competing risks)資料的概似推論。第一個模型是邊際分配為柏拉圖分配的富蘭克聯結函數(Frank copula)，第二個模型是由Sankaran以及Nair(1993)提出的二元柏拉圖分配(SNBP)。我們會介紹上述分配的資料生成演算法，推導出score function以及Hessian matrix的形式，並使用牛頓-拉弗森演算法(Newton-Raphson algorithm)來找出概似函數的最大值。我們利用圖形比較和信息標準來發展適合度檢定，我們設計了模擬研究來檢視我們的最大概似估計量，並檢查所有方法的正確性，最後使用一組真實資料來做分析。;This thesis studies likelihood inference based on competing risks data under bivariate Pareto models. The first model is the Frank copula model with the Pareto marginal distributions. The second one is the Sankaran and Nair bivariate Pareto (SNBP) model, which is a bivariate Pareto distribution introduced by Sankaran and Nair (1993). We introduce data-generating algorithms from these distributions. We derive the forms of the score and Hessian matrix and develop a Newton-Raphson algorithm for maximizing the likelihood function. We develop goodness-of-fit methods by graphical plots and information criteria. We execute simulation study to examine the performance of the maximum likelihood estimators, checking the correctness of all our methods. Last we analyze a real dataset for illustration.
显示于类别:	[統計研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	361	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....