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

Comparison of nonparametric estimators versus parametric for reliability function

Contenido principal del artículo

Javier Ramírez-Montoya

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:

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Biografía del autor/a (VER)

Javier Ramírez-Montoya, Universidad de Sucre

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

Referencias (VER)

Aalen O. & Johansen S. (1978). An Empirical Transition Matrix for Nonhomogeneus Markov Chains Based on Censored Observations. Scandinavian Journal of Statistics, 5, 141-150.

Akritas M. (1986). Bootstrapping the Kaplan-Meier Estimator. American Statistical Association, 81, 1032-1138.

doi: 10.1080/01621459.1986.10478369

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

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.

Colosimo, E. & Giolo, S. (2006). Análise de sobrevivencia aplicada, En E. Blucher (ed.). Belem: Universidade Federale do Pará.

Greenwood, M. (1926). The natural duration of cancer. Reports on Public Health and Medical Subjects, 33, 1-26.

Record Number 19272700028

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

Kalbfleisch, J. & Prentice, R. (1980). The statistical analysis of failure time data. New York: Wiley. doi: 10.1002/9781118032985

Kaplan, E. & Meier, P. (1958). Estimation from Incomplete Observations. American Statistical Association, 53, 457-481.

Doi: 10.1080/01621459.1958.10501452

Lawless, J. (2003). Statistical Models and Methods for Lifetime Data. New York: Wiley and Sons. Doi:10.1002/9781118033005.fmatter

Nelson, W. (1969). Hazard plotting for incomplete failure data. Journal of Quality Technology, 61, 27-52.

Nelson, W. (1982). Applied Life Data Analysis, New York: John Wiley Sons. doi: 10.1002/bimj.4710270615

Ramírez, J. (2011). Comparación de intervalos de confianza para la función de supervivencia con censura a derecha. Revista Colombiana de Estadística, 34, 197-209.

Citado por: