Predicting the Number of Future Events
Predicting the Number of Future Events
复制标题
预测未来事件的数量
DOI：
10.1080/01621459.2020.1850461
复制
发表时间：
2021
影响因子：
3.7
通讯作者：
Meeker, William Q.
中科院分区：
文献类型：
--
作者：
Tian, Qinglong;Meng, Fanqi;Nordman, Daniel J.;Meeker, William Q.
本文描述了与正在进行的事件发生时间过程相关的一组单元中未来事件数量的预测方法。例如，预测保修退货以及预测未来可能对财产或生命造成严重威胁的产品故障数量。诸如是否应强制召回产品等重要决策通常基于此类预测。数据通常是右删失（有时是左截断和右删失），用于估计事件时间分布的参数。然后可以使用该分布来预测未来一段时间内的事件数量。此类预测有时称为样本内预测，与大多数预测文献中考虑的其他预测问题不同。本文表明，插件（也称为估计或朴素）预测方法不是渐近正确的（即，对于大量数据，覆盖概率始终无法收敛到标称置信水平）。然而，一种常用的预测校准方法被证明对于样本内预测是渐近正确的，并且提出并证明了两种比校准方法表现更好的替代的基于预测分布的方法。本文的补充材料可在线获取。
This article describes prediction methods for the number of future events from a population of units associated with an on-going time-to-event process. Examples include the prediction of warranty returns and the prediction of the number of future product failures that could cause serious threats to property or life. Important decisions such as whether a product recall should be mandated are often based on such predictions. Data, generally right-censored (and sometimes left truncated and right-censored), are used to estimate the parameters of a time-to-event distribution. This distribution can then be used to predict the number of events over future periods of time. Such predictions are sometimes called within-sample predictions and differ from other prediction problems considered in most of the prediction literature. This article shows that the plug-in (also known as estimative or naive) prediction method is not asymptotically correct (i.e., for large amounts of data, the coverage probability always fails to converge to the nominal confidence level). However, a commonly used prediction calibration method is shown to be asymptotically correct for within-sample predictions, and two alternative predictive-distribution-based methods that perform better than the calibration method are presented and justified. Supplementary materials for this article are available online.
登录
查看更多内容
基于预测可能性或引导方法的预测区间。
DOI：
--
发表时间：
1999
期刊：
影响因子：
--
作者：
P. Hall;L. Peng;N. Tajvidi
通讯作者：
N. Tajvidi
极大值的部分吸引力
影响因子：
1
作者：
R. Green
通讯作者：
R. Green
通过倒数第二个极值分布进行逼近
影响因子：
1.3
作者：
M. Gomes;L. Haan
通讯作者：
L. Haan
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
G. Fonseca;F. Giummolè;P. Vidoni
通讯作者：
P. Vidoni
影响因子：
1.5
作者：
O. Barndorff;D. Cox
通讯作者：
D. Cox