Вы все еще можете оценить параметры, используя вероятность напрямую. Пусть наблюдения будут с экспоненциальным распределением со скоростью λ > 0 и неизвестным. Функция плотности имеет вид f ( x ; λ ) = λ e - λ x , кумулятивная функция распределения F ( x ; λ ) = 1 - e - λ x и функция хвоста G ( x ; λ)x1,…,xnλ>0f(x;λ)=λe−λxF(x;λ)=1−e−λx . Предположим, что первые r наблюдений полностью наблюдаются, в то время как для x r + 1 , … , x n мы знаем только, что x j > t j для некоторых известных положительных постоянных t j . Как всегда, вероятность - это "вероятность наблюдаемых данных" для цензурированных наблюдений, которая определяется как P ( X j > t jG(x;λ)=1−F(x;λ)=e−λxrxr+1,…,xnxj>tjtj , поэтому полная функция правдоподобия имеет вид
L ( λ ) = r ∏ i = 1 f ( x i ; λ ) ⋅ n ∏ i = r + 1 G ( t j ; λ )
Логарифмическое правдоподобие функция становится
l ( λ ) = r log λ - λ ( xP(Xj>tj)=G(tj;λ)
L(λ)=∏i=1rf(xi;λ)⋅∏i=r+1nG(tj;λ)
которая имеет ту же форму, что и логарифмическое правдоподобие для обычного, полностью наблюдаемого случая, за исключением первого члена
r log λ вместо
n log λ . Запись
T для средних наблюдений и времени цензурирования, то оценке максимального правдоподобия
Х становится
λ = гl(λ)=rlogλ−λ(x1+⋯+xr+tr+1+⋯+tn)
rlogλnlogλTλ , который вы сами можете сравнить с полностью наблюдаемым случаем.
λ^=rnT
EDIT
r=0
l(λ)=−nTλ
λλ=0λλ
Но, в любом случае, реальный вывод из данных в этом случае заключается в том, что мы должны ждать больше времени, пока не получим некоторые события ...
λe−λnTpnp[p¯,1]λlogp=−λT
p
P(X=n)=pn≥0.95 (say)
nlogp≥log0.95λλ≤−log0.95nT.