The Experts below are selected from a list of 1968 Experts worldwide ranked by ideXlab platform

Brent D Burch - One of the best experts on this subject based on the ideXlab platform.

  • assessing the performance of normal based and reml based confidence intervals for the intraclass correlation coefficient
    Computational Statistics & Data Analysis, 2011
    Co-Authors: Brent D Burch
    Abstract:

    Using normal distribution assumptions, one can obtain confidence intervals for variance components in a variety of applications. A normal-based interval, which has exact coverage probability under normality, is usually constructed from a pivot so that the endpoints of the interval depend on the data as well as the distribution of the Pivotal Quantity. Alternatively, one can employ a point estimation technique to form a large-sample (or approximate) confidence interval. A commonly used approach to estimate variance components is the restricted maximum likelihood (REML) method. The endpoints of a REML-based confidence interval depend on the data and the asymptotic distribution of the REML estimator. In this paper, simulation studies are conducted to evaluate the performance of the normal-based and the REML-based intervals for the intraclass correlation coefficient under non-normal distribution assumptions. Simulated coverage probabilities and expected lengths provide guidance as to which interval procedure is favored for a particular scenario. Estimating the kurtosis of the underlying distribution plays a central role in implementing the REML-based procedure. An empirical example is given to illustrate the usefulness of the REML-based confidence intervals under non-normality.

  • comparing equal tail probability and unbiased confidence intervals for the intraclass correlation coefficient
    Communications in Statistics-theory and Methods, 2008
    Co-Authors: Brent D Burch
    Abstract:

    The conventional confidence interval for the intraclass correlation coefficient assumes equal-tail probabilities. In general, the equal-tail probability interval is biased and other interval procedures should be considered. Unbiased confidence intervals for the intraclass correlation coefficient are readily available. The equal-tail probability and unbiased intervals have exact coverage as they are constructed using the Pivotal Quantity method. In this article, confidence intervals for the intraclass correlation coefficient are built using balanced and unbalanced one-way random effects models. The expected length of confidence intervals serves as a tool to compare the two procedures. The unbiased confidence interval outperforms the equal-tail probability interval if the intraclass correlation coefficient is small and the equal-tail probability interval outperforms the unbiased interval if the intraclass correlation coefficient is large.

Chengjie Xiong - One of the best experts on this subject based on the ideXlab platform.

  • inferences on a simple step stress model with type ii censored exponential data
    IEEE Transactions on Reliability, 1998
    Co-Authors: Chengjie Xiong
    Abstract:

    This paper presents the inferences of parameters on the simple step-stress model in accelerated life testing with type-II censoring. An exponential life distribution with a mean that is a log-linear function of stress, and a cumulative exposure model are assumed. Maximum likelihood methods are used to estimate the parameters of these models. Hypothesis tests about model parameters are discussed. Confidence intervals for parameter-estimates are constructed using a Pivotal Quantity. The advantage of these results is that they apply to any sample size. A numerical example illustrates the inferential procedure.

Myanita Astuti 081411831034 - One of the best experts on this subject based on the ideXlab platform.

  • SELANG KEPERCAYAAN KURVA REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR SPLINE TRUNCATED PADA DATA LONGITUDINAL
    2018
    Co-Authors: Myanita Astuti 081411831034
    Abstract:

    Analisis regresi merupakan salah satu metode yang digunakan dalam statistika untuk mengetahui hubungan antara variabel respon dengan prediktor. Pendekatan regresi nonparametrik bentuk kurva regresi diasumsikan tidak diketahui dan hanya diasumsikan smooth (halus). Estimator yang digunakan adalah estimator spline truncated. Dalam kehidupan sehari-hari sering dijumpai bentuk data longitudinal. Data longitudinal lebih kompleks dibandingkan data cross section karena data juga diamati berdasarkan waktu. Persoalan inferensi yang sangat penting dalam regresi adalah selang kepercayaan, karena dapat meminimalkan kesalahan dalam mengestimasi dibandingkan estimasi titik. Namun penelitian mengenai selang kepercayaan untuk regresi nonparametrik belum banyak dikembangkan, sehingga secara teori menarik untuk mengembangkan estimasi selang kepercayaan kurva regresi nonparametrik. Tujuan penelitian ini adalah mengkaji estimasi selang kepercayaan untuk kurva regresi nonparametrik pada data longitudinal dengan menggunakan estimator spline truncated. Dalam menyelesaikan permasalahan tersebut digunakan metode Weighted Least Square untuk menentukan estimasi titik dan Pivotal Quantity untuk mengkonstruksi selang kepercayaan pada kasus variansi populasi  2  tidak diketahui. Hasil kajian teoritis diperoleh estimasi selang kepercayaan dengan distribusi-t. Penerapan estimasi selang kepercayaan dilakukan pada data pertumbuhan balita usia 0–24 bulan di Surabaya dengan berat badan balita sebagai variabel respon, dan usia balita sebagai variabel prediktor. Hasil estimasi data pertumbuhan berat badan balita menggunakan software OSS-R GCV minimum dan R2 untuk balita laki-laki dan perempuan masing-masing yaitu 0,3151; 92,43%; 0,2648; dan 94,66%

Nur Kholifah 081411833014 - One of the best experts on this subject based on the ideXlab platform.

  • SELANG KEPERCAYAANKURVA REGRESI SEMIPARAMETRIK BERDASARKAN ESTIMATOR SPLINE TRUNCATED PADA DATA LONGITUDINAL
    2018
    Co-Authors: Nur Kholifah 081411833014
    Abstract:

    Analisis regresi merupakan salah satu metode dalam statistika yang digunakan untuk mengetahui hubungan fungsional antara variabel respon dengan variabel prediktor. Pendekatan regresi semiparametrik merupakan gabungan dari regresi parametrik dan regresi nonparametrik. Estimator pada regresi nonparametrik yang cukup populer adalah estimator spline truncated. Persoalan dalam kehidupan sehari-hari sering dijumpai pemodelan regresi dengan menggunakan data longitudinal. Persoalan inferensi yang sangat penting dalam regresi adalah selang kepercayaan, namun penelitian mengenai selang kepercayaan untuk regresi semiparametrik masih belum banyak dikembangkan. Sehingga secara teori menarik untuk mengembangkan pengestimasian selang kepercayaan kurva regresi semiparametrik. Tujuan penelitian ini adalah mengkaji estimasi selang kepercayaan untuk regresi semiparametrik pada data longitudinal dengan menggunakan estimator spline truncated dalam mengestimasi kurva regresi nonparametriknya, untuk menyelesaikan permasalahan tersebut digunakan metode Weighted Least Square dan Pivotal Quantity untuk kasus variansi populasi   2  tidak diketahui. Hasil kajian teoritis diperoleh estimasi selang kepercayaan dengan persamaan sebagai berikut:   , (2 ) , (2 ) 2 2 ˆ( , ) ( , ) ˆ( , ) 1 ij ij ij ij ij ij ij ij M p k M p k P f x t t s f x t f x t t s                                    dengan       1 1 (2 ) T semipar T T ij ij y y s M p k        I A C C W C C , i = 1, 2, ..., n, j = 1, 2, ..., mi Pengimplementasian estimasi selang kepercayaan dilakukan pada data pertumbuhan balita usia 0 – 24 bulan di Surabaya dengan tinggi badan balita sebagai variabel respon, variabel prediktor yang diasumsikan diketahui bentuk kurva regresinya adalah jenis kelamin balita sedangkan variabel prediktor yang diasumsikan tidak diketahui bentuk kurva regresinya adalah usia balita. Hasil estimasi data pertumbuhan tinggi badan balita menggunakan software OSS-R diperoleh MSE dan 2 R masing-masing sebesar 8,2975 dan 91,0469%

Dea Merta Moriska 081411831032 - One of the best experts on this subject based on the ideXlab platform.

  • SELANG KEPERCAYAAN KURVA REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL PADA DATA LONGITUDINAL
    2018
    Co-Authors: Dea Merta Moriska 081411831032
    Abstract:

    Analisis regresi merupakan salah satu metode statistika yang menentukan hubungan fungsional antara variabel prediktor dengan variabel respon. Selain itu, tujuan analisis regresi adalah untuk memperoleh estimasi titik dan interval baik bagi parameter atau kurva. Regresi nonparametrik adalah pendekatan regresi yang tidak tergantung pada asumsi bentuk kurva tertentu. Data yang digunakan dapat bermacam-macam, salah satunya data longitudinal. Data longitudinal adalah data yang diperoleh dari pengamatan yang berulang dalam kurun waktu yang berbeda. Dalam penelitian diperoleh selang kepercayaan bagi kurva regresi nonparametrik berdasarkan estimator polinomial lokal pada data longitudinal dengan metode Pivotal Quantity. Penerapan estimasi selang kepercayaan kurva regesi nonparametrik berdasarkan estimator polinomial lokal dilakukan untuk mengestimasi kurva pertumbuhan pada data tinggi badan balita perempuan dan laki-laki di Surabaya berdasarkan usia. Hasil penerapan dan program pada OSS-R diperoleh orde optimal 2 dan bandwidth optimal pada balita perempuan 5,4 dengan MSE sebesar 10,15, RSquare sebesar 89,97% serta 78,2% observasi masuk ke dalam selang kepercayaan. Sementara bandwidth optimal pada balita laki-laki 6,3 dengan MSE sebesar 10,28, R-Square sebesar 91,5% serta 77,2% observasi masuk ke dalam selang kepercayaan