基于蒙特卡洛模拟的 Type-I 分段区间删失情形下 Weibull 分布变异系数估计
统计方法学
2025-11-21 v1 统计理论
统计理论
摘要
如皮尔逊变异系数 (CV) 等相对离散度量量能深入洞察生命周期分布（如 Weibull 分布）的离散程度。在现代统计学中，对 Weibull CV 的估计传统上仅在完全数据可得时才受到重视。本文在 Type-I 分段区间删失情形下估计 Weibull CV 及其二阶备选方案 CV，该情形是生存分析和可靠性理论中的典型场景。采用最大似然、最小二乘和基于 MCMC 模拟的贝叶斯方法获得点估计。提出一种用于估计 CV 和 CV 的非线性最小二乘法。我们还通过渐近置信区间、基于最小二乘估计的 bootstrap 区间以及最高后验密度区间对 CV 和 CV 进行区间估计。开展详尽的蒙特卡洛仿真研究，以理解和比较各估计器的性能。结果表明，提出的最小二乘法和贝叶斯方法对 CV 产生更好的点估计。最高后验密度区间在许多情形下优于其他区间估计。该方法论文献也应用于一个真实数据集，以展示估计器的性能。
引用
@article{arxiv.2511.16102,
title = {Estimation of the Coefficient of Variation of Weibull Distribution under Type-I Progressively Interval Censoring: A Simulation-based Approach},
author = {Bankitdor M Nongrum and Adarsha Kumar Jena},
journal= {arXiv preprint arXiv:2511.16102},
year = {2025}
}