معیار آکائیک به طور گسترده در تئوری انتخاب مدل برای دادههای کامل به کار گرفته میشود، اما برای دادههای ناقص وقتی مدلها غیرآشیانهای و بد-توصیف شده هستند کمتر مورد توجه قرار گرفته است. در این مقاله به انتخاب یک مدل مناسب از بین مدلهای رقابتی برای دادههای سانسوریده از راست نوع II پرداخته میشود و اقدام به برآورد تفاضل مخاطرههای بین دو مدل غیر آشیانهای میگردد. سپس نشان داده میشود استنباط براساس دادههای مشاهده شده و سانسوریده به طور همزمان به جای در نظر گرفتن فقط دادههای مشاهده شده به نتایج بهتری منتهی خواهد شد. فاصله ردیابی مناسب برای تفاضل امید کولبک-لیبلر مشاهدات سانسوریده با احتمال مشخص معرفی میشود و از آنجا که هر فاصله اطمینان مجموعهای از فرضهای پذیرفتنی تحت فرض صفر است، فاصله به دست آمده برای انتخاب مدل مناسب به کار گرفته میشود.
Sayareh A, Torkman P. Estimating the Difference of Kullback-Leibler Risks under Type II Right Censored Data for Non-Nested Models. JSS 2009; 3 (1) :59-78 URL: http://jss.irstat.ir/article-1-30-fa.html
سیاره عبدالرضا، ترکمان پریسا. برآورد تفاضل مخاطرههای کولبک-لیبلر برای مشاهدات سانسوریده از راست نوع II تحت مدلهای غیر آشیانهای. مجله علوم آماری. 1388; 3 (1) :59-78