Sansürlü veri simülasyonu

Tip I sağ sansürlü gözlemleri içeren bir n Weibull dağıtım ömrü örneğini nasıl simüle edebileceğimi merak ediyorum. Örneğin n = 3, şekil = 3, ölçek = 1 ve sansürleme oranı = .15 ve sansürleme süresi = .88 olsun. Weibull örnek oluşturmayı biliyorum ama R'de sansürlenmiş tip I olan sansürlü bir veriyi nasıl oluşturacağımı bilmiyorum.

T = rweibull(3, shape=.5, scale=1)

( R Kodlama tarzı T olarak, değişken adı olarak kullanmamak en iyisidir , çünkü bu bir takma addır TRUEve bu uygulama kaçınılmaz olarak sorunlara yol açacaktır.)

Sorunuz biraz belirsiz; yorumlamanın birkaç yolu vardır. Onlardan geçelim:

1. Tip 1 sansürü simüle etmek istediğinizi belirtiyorsunuz . Bu, deneyin bir süre boyunca yürütüldüğü ve o zamana kadar hangi çalışma birimlerinin olaya sahip olmadığı sansürlendiği anlamına gelir. Demek istediğin buysa, şekil ve ölçek parametrelerini ve sansürleme süresini ve oranını aynı anda şart koşmak (zorunlu olarak) mümkün değildir. Herhangi üçünü şart koştuktan sonra, sonuncusu mutlaka sabittir.

   Shape parametresi için çözülmeye çalışılıyor:
   Bu başarısız oluyor; shape parametresi ne olursa olsun, ölçek parametresinin 1'de tutulduğu Weibull dağılımı ile .88 sansürleme zamanında% 15 sansürleme oranına sahip olmanın imkansız olduğu görülmektedir.

   optim(.5, fn=function(shp){(pweibull(.88, shape=shp, scale=1, lower.tail=F)-.15)^2})
   # $par
   # [1] 4.768372e-08
   # ...
   # There were 46 warnings (use warnings() to see them)
   pweibull(.88, shape=4.768372e-08, scale=1, lower.tail=F)
   # [1] 0.3678794
   
   optim(.5, fn=function(shp){(pweibull(.88, shape=shp, scale=1, lower.tail=F)-.15)^2},
         control=list(reltol=1e-16))
   # $par
   # [1] 9.769963e-16
   # ...
   # There were 50 or more warnings (use warnings() to see the first 50)
   pweibull(.88, shape=9.769963e-16, scale=1, lower.tail=F)
   # [1] 0.3678794
   

   Scale parametresi için çözme:

   optim(1, fn=function(scl){(pweibull(.88, shape=.5, scale=scl, lower.tail=F)-.15)^2})
   # $par
   # [1] 0.2445312
   # ...
   pweibull(.88, shape=.5, scale=0.2445312, lower.tail=F)
   # [1] 0.1500135
   

   Sansür zamanı için çözme:

   qweibull(.15, shape=.5, scale=1, lower.tail=F)
   # [1] 3.599064
   

   Sansür oranının çözümü:

   pweibull(.88, shape=.5, scale=1, lower.tail=F)
   # [1] 0.3913773
   

2. Öte yandan, sansürü çalışma boyunca rastgele (ve tipik olarak bağımsız olarak) meydana gelen bir düşünüş olarak düşünebiliriz. Bu durumda, prosedür iki Weibull varyantı setini simüle etmektir. Sonra sadece hangisinin önce geldiğine dikkat edin: daha düşük değeri bitiş noktası olarak kullanın ve eğer daha az değer sansürleme süresi ise o birimi sansürleyin. Örneğin:

   set.seed(0775)  
   t    = rweibull(3, shape=.5, scale=1)
   t      # [1] 0.7433678 1.1325749 0.2784812
   c    = rweibull(3, shape=.5, scale=1.5)
   c      # [1] 3.3242417 2.8866217 0.9779436
   time = pmin(t, c)
   time   # [1] 0.7433678 1.1325749 0.2784812
   cens = ifelse(c<t, 1, 0)
   cens   # [1] 0 0 0
   

Sadece emin Aynı şeyden bahsediyoruz olmak, tip-I sansürleme zaman olduğu

... bir denemenin belirli sayıda deneği veya öğesi vardır ve deneyi önceden belirlenmiş bir zamanda durdurur, bu noktada kalan denekler sağa sansürlenir.

Sansürleme zamanı = 0.88 kullanarak doğru sansürlenmiş veriler oluşturmak için sadece şu minişlevi kullanırsınız :

T <- rweibull(3, shape=.5, scale=1)
censoring_time <- 0.88
T_censored <- min(censoring_time, T)

Ancak, " sansür oranı = 0.15 " derken ne demek istediğinizden tam olarak emin değilim ... Deneklerinizin% 15'inin doğru sansürlendiğini mi söylemek istersiniz? Sansürle ilgili bu notlar, Type-I sansürü için gereken tek parametrenin sansürleme süresi olduğunu gösteriyor , bu yüzden bu oranın nasıl etkilendiğinden emin değilim.