Key points are not available for this paper at this time.
Die exponentielle Teissier-Verteilung (ETD) bietet eine Alternative zur Modellierung von Überlebensdaten und berücksichtigt die Flexibilität bei der Modellierung von Daten mit zunehmenden und abnehmenden Hazardratfunktionen. Die beliebteste Methode zur Parameterschätzung der ETD-Verteilung ist die Maximum-Likelihood-Schätzung (MLE). Die MLE ist jedoch notorisch verzerrt bei kleinen Stichprobengrößen. Wir sind daher bestrebt, nahezu unverzerrte Schätzer für ETD-Parameter zu erzeugen. Genauer gesagt konzentrieren wir uns auf zwei Methoden der Verzerrungskorrektur, Bootstrapping und analytische Ansätze, um die MLE-Verzerrungen bis zur zweiten Ordnung der Verzerrung zu reduzieren. Die Leistungen dieser Ansätze werden durch Monte-Carlo-Simulationen und zwei reale Datenanwendungen verglichen.
Ahmed et al. (Wed,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: