Problème N°8Analyse semi-paramétrique en fiabilité
Transcription
Problème N°8Analyse semi-paramétrique en fiabilité
Université de Bretagne-Sud STA 2209 : Statistique Bayésienne Problème 8 : Analyse Bayésienne semi-paramétrique en abilité Soit un échantillon (X1 , · · · , Xn ) de durées i.i.d. de loi f (x) dénie par : f (x) = fi pour x ∈ [ti−1 , ti [, i = 1, · · · , m avec t0 = 0 et tm = +∞. Soit la fonction λ(x) dénie par : P (X ≤ x + dx|X > x) dx→0 dx λ(x) = lim On note, pour x ∈ [ti − 1, ti [, λ(x) = λi et R(ti ) = P (X > ti ) = Ri , i = 1, · · · , m. On note (k1 , · · · , km ) le vecteur du nombre d'observations dans chaque intervalle i.e. ki est le nombre de P k = n. durées dans dans l'intervalle [ti − 1, ti [. m i=1 i 1. Montrer que λ(x) = f (x)/(1 − F (x)) où F (x) est la fonction de répartition de X i.e. Rx 0 f (t)dt. 2. En considérant l'observation d'un vecteur de pannes, donner l'expression de la fonction de vraisemblance pour les paramètres (f1 , · · · , fm ). 3. Donner cette expression pour les paramètres (λ1 , · · · , λm ). 4. En considérant une loi conjuguée pour le modèle obtenu précédemment, proposer un estimateur de Bayes du taux de survie. Commenter. 5. Construire une loi non informative (On pourra appliquer la règle de Jereys) et donner alors une estimation bayésienne du vecteur λ. On souhaite maintenant introduire dans l'analyse l'idée a priori que le taux de survie est croissant. On pose ui = 1−λi . n.b. ui = P (X > ti /X > ti−1 ). On se donne uneP loi a priori de type Dirichlet sur le vecteur ((y1 , · · · , yk ) où yi = ui−1 − ui , u0 = 1 et ym+1 = 1 − m j=1 yj = um . Les P paramètres (βα1 , · · · , βαm ) de cette loi sont tels que β > 0, αi > 0 pour tout i et m+1 j=1 αj = 1. 1. Montrer que l'espérance mathématique des v.a. ui est m+1 j=i+1 αj . 2. En utilisant la formule du binôme de Newton, montrer qu'une estimation Bayésienne des λi pour la loi a priori dénie ci-dessus et sous l'hypothèse d'un coût quadratique a la forme suivante : P Ci,1 , i = 1, · · · , m C0 est égal à C0 où ki est devenu ki + 1, C0 étant : λ̃i = où Ci,1 C0 = km X lm =0 ··· k1 X ki (−1)li B(βαi , ξi ) li l1 =0 où B est le coecient bêta. T. Mazzuchi, N. D. Singpurwalla, A Bayesian approach to inference for monotone failure rate, Statistics and Probability Letters 3, 1985. 1