Access

You are not currently logged in.

Access your personal account or get JSTOR access through your library or other institution:

login

Log in to your personal account or through your institution.

Nonparametric estimation of the shape function in a Gamma process for degradation data

Xiao WANG
The Canadian Journal of Statistics / La Revue Canadienne de Statistique
Vol. 37, No. 1 (March/mars 2009), pp. 102-118
Stable URL: http://www.jstor.org/stable/25653463
Page Count: 17
  • Download ($4.00)
  • Cite this Item
Nonparametric estimation of the shape function in a Gamma process for degradation data
Preview not available

Abstract

The author considers estimation under a Gamma process model for degradation data. The setting for degradation data is one in which n independent units, each with a Gamma process with a common shape function and scale parameter, are observed at several possibly different times. Covariates can be incorporated into the model by taking the scale parameter as a function of the covariates. The author proposes using the maximum pseudo-likelihood method to estimate the unknown parameters. The method requires usage of the Pool Adjacent Violators Algorithm. Asymptotic properties, including consistency, convergence rate and asymptotic distribution, are established. Simulation studies are conducted to validate the method and its application is illustrated by using bridge beams data and carbon-film resistors data. L'auteur considère l'estimation des paramètres d'un processus gamma pour des données de dégradation. Le cadre de travail pour les données de dégradation consiste en n unités indépendantes observées à plusieurs temps pouvant être différents. Chacune de ces unités suit un processus gamma ayant une même fonction contrôlant la forme de la distribution et un paramètre d'échelle commun. Des covariables peuvent être incluses dans le modèle lorsque le paramètre d'échelle est considérée comme fonction de ces covariables. L'auteur propose d'utiliser la méthode du maximum de la pseudo-vraisemblance pour estimer les paramètres inconnus. Cette méthode demande l'utilisation d'un algorithme de lissage monotone ("Pool Adjacent Violator Algorithm"). Les propriétés asymptotiques, incluant la cohérence, la vitesse de convergence et la distribution asymptotique, sont étudiées. Une étude par simulations a été faite afin de valider la méthode. Des données sur des madriers de ponts et sur les résistances à couche de carbone illustrent la méthode.

Page Thumbnails

  • Thumbnail: Page 
102
    102
  • Thumbnail: Page 
103
    103
  • Thumbnail: Page 
104
    104
  • Thumbnail: Page 
105
    105
  • Thumbnail: Page 
106
    106
  • Thumbnail: Page 
107
    107
  • Thumbnail: Page 
108
    108
  • Thumbnail: Page 
109
    109
  • Thumbnail: Page 
110
    110
  • Thumbnail: Page 
111
    111
  • Thumbnail: Page 
112
    112
  • Thumbnail: Page 
113
    113
  • Thumbnail: Page 
114
    114
  • Thumbnail: Page 
115
    115
  • Thumbnail: Page 
116
    116
  • Thumbnail: Page 
117
    117
  • Thumbnail: Page 
118
    118