Nouvelles approches de l'équation d'estimation avec application à l'analyse des données sur la durée de vie.

Résumé Les approches par équation d'estimation ont été largement utilisées dans l'inférence statistique. Les équations de vraisemblance sont des exemples importants d'équations d'estimation. Depuis son introduction par Sir R. A. Fisher il y a près d'un siècle, l'estimation du maximum de vraisemblance (MLE) reste la méthode d'estimation la plus populaire utilisée pour ajuster les distributions de probabilité aux données, y compris l'ajustement des distributions de durée de vie avec des données censurées. Cependant, l'ELM peut produire un biais substantiel et même échouer à obtenir des intervalles de confiance valides lorsque la taille des données n'est pas assez grande ou lorsqu'il y a des données censurées. Dans cet article, sur la base de combinaisons non linéaires de statistiques d'ordre, nous proposons de nouvelles approches d'équation d'estimation pour une classe de distributions de probabilité, qui sont particulièrement efficaces pour les distributions asymétriques avec de petites tailles d'échantillon et des données censurées. Les approches proposées peuvent posséder un certain nombre de propriétés intéressantes telles que la cohérence, la suffisance et l'unicité. La normalité asymptotique de ces nouveaux estimateurs est dérivée. La construction des nouvelles équations d'estimation et leurs performances numériques dans différents schémas censurés sont détaillées via la distribution de Weibull et la distribution exponentielle généralisée.