Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 15 Núm. 2
julio-diciembre de 2015

ARTICULOS DE INVESTIGACION

Comparación de estimadores no paramétricos frente a los paramétricos frente a los paramétricos para la función de confiabilidad

https://doi.org/10.19053/1900771X.4246

Publicado 2015-06-26

  • Javier Ramírez-Montoya

Javier Ramírez-Montoya
Universidad de Sucre

Resumen

Uno de los principales objetivos del área de confiabilidad es estimar la función de confiabilidad, donde tradicionalmente se utilizan estimadores no paramétricos, que son más eficientes en tamaños de muestras considerables. En este trabajo se comparan los estimadores no paramétricos para la función de confiabilidad a través del error cuadrático medio, utilizando los estimadores no paramétricos de Kaplan y Meier (1958), el estimador de Nelson (1969) y Bootstrap aplicado a Kaplan y Meier y Nelson. La comparación se hace teniendo en cuenta las estimaciones paramétricas, mediante simulación con diferentes escenarios, tiempos de interés, tamaños de muestra y porcentajes de censura, y muestra que el remuestreo Bootstrap tipo normal no presenta los mejores resultados con Kaplan y Meier (1958). Y mediante Nelson (1969), el 18 % fue más eficiente.

Palabras clave

bootstrap, confiabilidad, estimadores no paramétricos

PDF

Biografía del autor/a

Javier Ramírez-Montoya

Departamento de matemáticas y física, Grupo investigación en estadística y aplicaciones. GINESAP

Citas

  1. Aalen O. & Johansen S. (1978). An Empirical Transition Matrix for Nonhomogeneus Markov Chains Based on Censored Observations. Scandinavian Journal of Statistics, 5, 141-150.
  2. Akritas M. (1986). Bootstrapping the Kaplan-Meier Estimator. American Statistical Association, 81, 1032-1138.
  3. doi: 10.1080/01621459.1986.10478369
  4. Arrabal, C., Dos Santos, K., Da Rocha, R. Nonaka, R. & Meira, S. (2014). Comparison of resampling method applied to censored data. International Journal of Advanced Statistics and Probability, 2(2), 48-55. doi: 10.14419/ijasp.v2i2.2291
  5. Borgan, ∅. & Liestol, K. (1990). A Note on Confidence Intervals and Bands for the Survival Function Based on Transformations. Scandinavian Journal of Statistics, 17(1), 35-41.
  6. Colosimo, E. & Giolo, S. (2006). Análise de sobrevivencia aplicada, En E. Blucher (ed.). Belem: Universidade Federale do Pará.
  7. Greenwood, M. (1926). The natural duration of cancer. Reports on Public Health and Medical Subjects, 33, 1-26.
  8. Record Number 19272700028
  9. He, P., Kong, G. & Su, Z. (2013). Estimating the survival functions for right-censored and interval-censored data with piecewise constant hazard functions. Contemporary Clinical Trials, 35, 122-127. Doi: http://dx.doi.org/10.1016/j.cct.2013.04.009
  10. Kalbfleisch, J. & Prentice, R. (1980). The statistical analysis of failure time data. New York: Wiley. doi: 10.1002/9781118032985
  11. Kaplan, E. & Meier, P. (1958). Estimation from Incomplete Observations. American Statistical Association, 53, 457-481.
  12. Doi: 10.1080/01621459.1958.10501452
  13. Lawless, J. (2003). Statistical Models and Methods for Lifetime Data. New York: Wiley and Sons. Doi:10.1002/9781118033005.fmatter
  14. Nelson, W. (1969). Hazard plotting for incomplete failure data. Journal of Quality Technology, 61, 27-52.
  15. Nelson, W. (1982). Applied Life Data Analysis, New York: John Wiley Sons. doi: 10.1002/bimj.4710270615
  16. Ramírez, J. (2011). Comparación de intervalos de confianza para la función de supervivencia con censura a derecha. Revista Colombiana de Estadística, 34, 197-209.

Descargas

Los datos de descargas todavía no están disponibles.