带有右截尾数据的有重复因子试验的数据分析

摘要

在因子个数较多的有重复试验中,由于试验条件(时间,经费等)的限制,我们常常只能得到带有截尾的数据.对于这样的截尾数据,Hamada与Wu(1991)通过对截尾数据补值,给出了模型选择以及鉴别和估计位置效应的方法.毕华(2004)在Hamada与Wu方法基础上,给出了同时鉴别和估计位置效应以及散度效应的方法.虽然有重复的试验数据也可以用此方法分析,但其主要是针对无重复的试验数据,没有充分利用有重复试验的特点.该文对带有右截尾数据的有重复因子试验,提出了另一种分析位置效应和散度效应的方法:首先,在每一个试验点,对重复试验观察值用极大似然法估计出均值和方差;其次,用每个试验点方差估计值的对数作为响应变量与各因子建立回归模型,鉴别出显著的散度效应;之后,采用加权最小二乘法鉴别出比较显著的位置效应.模拟结果表明,该方法是可行的,且在均方误差意义下优于毕华(2004)的方法.最后,对恒温器试验的实际例子采用该文方法进行了分析.

目录

文摘

英文文摘

1引言

1.1带有截尾数据的有重复因子试验背景

1.2有重复因子试验中完全数据模型下散度效应分析的已有结果

1.3在截尾数据情形下，已有的结果

1.4论文总体结构

2模型与基本假定

3数据分析方法

4模拟结果

4.1与实际结合的模拟试验

4.3与毕华方法比较

5恒温器例子分析

5.1恒温器例子介绍以及已有的分析

5.2恒温器例子各因子有显著散度效应说明以及数据服从分布选择

5.3恒温器例子对数正态模型分析

6 讨论

图1恒温器例子失效时间关于各因子的散点图

图2恒温器例子失效时间各试验点的QQ图

图3恒温器散度效应的半正态图

图4恒温器位置效应的半正态图

参考文献

结束语和致谢