Modeling Lifetime Data with Application to Fatigue Models
寿命数据建模及其疲劳模型应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论工程寿命模型及其分位数估计，没有经济分布效应或金融尾部风险的证据，不能仅凭分位数术语分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
寿命数据建模及其疲劳模型应用
- 研究问题
- 如何根据物理与统计考虑建立含协变量的寿命模型，并比较参数估计与低分位数估计所需的不同方法？
- 方法与思路
- 作者构造具有五个物理解释参数的模型，分别采用次序统计量和回归估计参数及分位数，并用模拟和实际数据展示。
- 材料陈述的贡献
- 摘要称多数估计具有闭式表达，第五参数可单独估计；模拟中回归法更利于参数估计，次序统计量法更利于低分位数估计。
- 阅读关注点
- 应核对模型的物理机制、协变量进入方式、第五参数的独立估计含义，以及两类方法比较所用损失和模拟条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模型形式和模拟设置未提供，方法优劣仅是所述模拟结论，不能普遍推广。
原文摘要
A new model for the analysis of lifetime data in the presence of a covariate is derived based on physical and statistical considerations. The model depends on five parameters that have clear physical interpretations. Two methods for the estimation of the parameters and of the quantiles are presented: one based on the order statistics and the other a regression estimator. The quantile estimators as well as the estimators of four of the five parameters are given in closed form. The fifth parameter can be estimated independently of the other parameters using either a closed form or a numerically simple algorithm. A simulation study shows that the regression estimators are better for estimating the parameters but the order statistics estimators perform better for the estimation of low quantiles. The methodology is also illustrated by an example of a real life data.