Local Variance Estimation for Uncensored and Censored Observations

پائولا گلوریا فراریو چندین روش تخمین واریانس محلی ناپارامتریک را توسعه و بررسی می کند. دو روش اول از تخمین رگرسیون (plug-in)، دستیابی به تخمین حداقل مربعات و همچنین برآوردهای میانگین محلی (پارتیشن بندی یا نوع هسته) استفاده می کنند. علاوه بر این، نویسنده از یک روش پارتیشن بندی برای تخمین واریانس محلی بر اساس همسایه های اول و دوم نزدیک (به جای تخمین رگرسیون) استفاده می کند. با نزدیک شدن به مشکلات خاص فیلدهای کاربردی، همه نتایج به مواردی تعمیم داده می شود که فقط مشاهدات سانسور شده در دسترس هستند. علاوه بر این، شبیه‌سازی‌هایی با مقایسه عملکرد دو برآوردگر مختلف (R-Code موجود!) اجرا شده‌اند. به عنوان یک کاربرد احتمالی نظریه داده شده، نویسنده تجزیه و تحلیل بقای بیمارانی را که برای یک بیماری خاص درمان می‌شوند، پیشنهاد می‌کند.

Paola Gloria Ferrario develops and investigates several methods of nonparametric local variance estimation. The first two methods use regression estimations (plug-in), achieving least squares estimates as well as local averaging estimates (partitioning or kernel type). Furthermore, the author uses a partitioning method for the estimation of the local variance based on first and second nearest neighbors (instead of regression estimation). Approaching specific problems of application fields, all the results are extended and generalised to the case where only censored observations are available. Further, simulations have been executed comparing the performance of two different estimators (R-Code available!). As a possible application of the given theory the author proposes a survival analysis of patients who are treated for a specific illness.