Question

我正在尝试使用ML来估计三参数Weibull分布的参数以用于删失数据。

我通过使用包flexsurv来解决这个问题，我已经定义了一个“自己的”密度函数。

我还按照函数flexsurv::flexsurvreg的文档中的说明来构建列表，其中包含使用客户密度函数执行MLE所需的所有信息。

在下面你可以看到我到目前为止所做的事情。

library(FAdist)
library(flexsurv)

set.seed(1)
thres <- 3500
data <- rweibull(n = 1000, shape = 2.2, scale = 25000) + thres
y <- sample(c(0, 1), size = 1000, replace = TRUE)
df1 <- data.frame(x = data, status = y)

dweib3 <- function(x, shape, scale, thres, log = FALSE) {
    dweibull(x - thres, shape, scale, log = log)
}

pweib3 <- function(q, shape, scale, thres, log_p = FALSE) {
    pweibull(q - thres, shape, scale, log.p = log_p)
}

# Not required
#qweib3 <- function(p, shape, scale, thres, log.p = FALSE) {
#   if (log.p == TRUE) {
#        p <- exp(p)
#    }
#    qwei3 <- thres + qweibull(p, shape, scale)
#    return(qwei3)
#}
dweib3 <- Vectorize(dweib3)
pweib3 <- Vectorize(pweib3)

custom.weibull <- list(name = "weib3", 
    pars = c('shape', 'scale', 'thres'), location = 'scale', 
    transforms = c(log, log, log), 
    inv.transforms = c(exp, exp, exp), 
    inits = function(t) { 
        c(1.2 / sqrt((var(log(t)))), exp(mean(log(t)) + (.572 / (1.2 / sqrt((var(log(t))))))), .5 * min(t))
        }
        )
ml <- flexsurvreg(Surv(df1$x, df1$status) ~ 1, data = df1, dist = custom.weibull)

变量y应表示单位的状态，其中1表示失败，0表示未审查单位，直到审查为止。

形状和比例的初始值取自fitdistrplus包中定义的时刻。

对于阈值参数，必须存在约束，因为阈值必须确实小于数据的最小值。因此，阈值的约束是最大的.99 * t_min是令人满意的（这是我直到现在还没有实现的）。

上述MLE的输出如下：

> ml
Call:
flexsurvreg(formula = Surv(df1$x, df1$status) ~ 1, data = df1, 
    dist = custom.weibull)

Estimates: 
       est       L95%      U95%      se      
shape  2.37e+00  2.12e+00  2.65e+00  1.33e-01
scale  3.52e+04  3.32e+04  3.74e+04  1.08e+03
thres  2.75e+03  1.51e+03  5.02e+03  8.44e+02

N = 1000,  Events: 481,  Censored: 519
Total time at risk: 25558684
Log-likelihood = -5462.027, df = 3
AIC = 10930.05

即使有审查，估计参数也不好。我用其他随机生成的数据做了几次这个程序......估计总是离“真相”很远。

因此，我需要改进我的代码或其他可能性来估计带有MLE的三参数Weibull的参数。

右删失数据的最大似然估计三参数威布尔

0 个答案: