基于频率的Burr X分布在II型删失下的预测研究

本文研究了在II型删失数据下Burr X分布的频率预测方法。为了应对生存分析中常见的小样本和高删失率的挑战，我们推导了四种点预测方法：最佳无偏预测（BUP）、最大似然预测（MLP）、条件中位数预测（CMP）和中位数无偏预测（MUP）。对于区间预测，我们考察了四种方法——关键方法、Wald方法、最高条件密度（HCD）方法和最短长度方法来构建预测区间。这些方法的有限样本表现通过Monte Carlo模拟进行了评估，并使用三个真实数据集进行了说明。结果显示，CMP提供了最稳定的点预测，其优势在小样本中特别明显，因为条件中位数对极端值的稳健性。对于区间预测，关键方法提供了最一致可靠的覆盖。最短长度方法展现出高精度和效率。对三个真实数据集的分析进一步验证了这些方法在完整数据和右删失数据中的适用性。