Wavelet estimation of density for censored data with censoring indicator missing at random
Wavelet estimation of density for censored data with censoring indicator missing at random
复制标题
审查指标随机缺失的审查数据密度的小波估计
DOI：
10.1080/02331888.2017.1336170
复制
发表时间：
2017-06
期刊：
影响因子：
1.9
通讯作者：
Liang Han Ying
中科院分区：
文献类型：
--
作者：
Zou Yu Ye;Liang Han Ying
摘要本文在删失指标随机缺失（MAR）的右删失模型下，定义了密度的非线性小波估计，并给出了其均方误差（MISE）的渐近表达式。与核估计不同，估计的MISE表达式不受曲线中存在的不连续性的影响。同时，建立了估计量的渐近正态性。在随机删失情形下，该估计可退化为Li [Non-linear Wavelet-based Density Estimators under Random Censoration. J Statistist Plan Inference. 2003;117（1）：35-58]时，删失指标MAR不发生，并且非参数估计中的带宽接近于零。另外，我们定义了密度的另外两个非线性小波估计。仿真结果表明了这三种估计器的性能。
ABSTRACT In this paper, we define the nonlinear wavelet estimator of density for the right censoring model with the censoring indicator missing at random (MAR), and develop its asymptotic expression for mean integrated squared error (MISE). Unlike for kernel estimator, the MISE expression of the estimator is not affected by the presence of discontinuities in the curve. Meanwhile, asymptotic normality of the estimator is established. The proposed estimator can reduce to the estimator defined by Li [Non-linear wavelet-based density estimators under random censorship. J Statist Plann Inference. 2003;117(1):35–58] when the censoring indicator MAR does not occur and a bandwidth in non-parametric estimation is close to zero. Also, we define another two nonlinear wavelet estimators of the density. A simulation is done to show the performance of the three proposed estimators.
登录
查看更多内容
DOI：
10.1007/978-1-4939-7131-2_100671
发表时间：
2018
期刊：
--
影响因子：
--
作者：
通讯作者：
--
影响因子：
0.9
作者：
Linyuan Li
通讯作者：
Linyuan Li
DOI：
10.1080/17434470410019753
发表时间：
2004-09
期刊：
Amyotrophic Lateral Sclerosis and Other Motor Neuron Disorders
影响因子：
--
作者：
John L.P. Thompson;Gilberto Levy
通讯作者：
John L.P. Thompson;Gilberto Levy
DOI：
10.1007/978-94-011-2260-3_16
发表时间：
1992
期刊：
--
影响因子：
--
作者：
A. Shiryayev
通讯作者：
A. Shiryayev
DOI：
10.1002/9780470316481
发表时间：
1980
期刊：
--
影响因子：
--
作者：
Ing Rj Ser
通讯作者：
Ing Rj Ser