Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. Mathematik, Informatik und Statistik - Open Access LMU - Teil 01/03 Podcast
  4. Parametric versus Nonparametric Treatment of Unobserved Heterogeneity in Multivariate Failure Times
Two contrary methods for the estimation of a frailty model of
multivariate failure times are presented. The assumed Accelerated
Failure Time Model includes censored data, observed covariates and
unobserved heterogeneity. The parametric estimator maximizes the
marginal likelihood whereas the method which does not require
distributional assumptions combines the GEE approach (Liang and
Zeger, 1986) with the Buckley-James (1979) estimator for censored
data. Monte Carlo experiments are conducted to compare the methods
under various conditions with regard to bias and efficiency. The ML
estimator is found to be rather robust against some
misspecifications and both methods seem to be interesting
alternatives in uncertain circumstances which lack exact solutions.
The methods are applied to data of recurrent purchase acts of
yogurt brands.
Episode melden

„Parametric versus Nonparametric Treatment of Unobserved Heterogeneity in Multivariate Failure Times“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz