African Journal of Applied Statistics

On Extreme Value Index Estimation under Random Censoring

Richard MINKAH, Tertius DE WET, and Kwabena DOKU-AMPONSAH

Full-text: Access denied (no subscription detected)

We're sorry, but we are unable to provide you with the full text of this article because we are not able to identify you as a subscriber. If you have a personal subscription to this journal, then please login. If you are already logged in, then you may need to update your profile to register your subscription. Read more about accessing full-text

Abstract

Extreme value analysis in the presence of censoring is receiving much attention as it has applications in many disciplines such as survival and reliability studies. The estimation of extreme value index (EVI) is of primary importance as it is a critical parameter needed in estimating extreme events such as quantiles and exceedance probabilities. In this paper, we review several estimators of the EVI when data is subject to random censoring.In addition, we propose a reduced-bias estimator based on the exponential regression approximation of log spacings. All the estimators' performances are compared in a simulation study. The results show that no estimator is universally the best across all scenarios. However, the proposed reduced-bias estimator is found to perform well across most scenarios. Also, we present a bootstrap procedure for obtaining samples for extreme value analysis under censoring. The estimators are illustrated using a practical dataset from medical research.

Résumé

L'analyse de valeurs extrêmes en présence de censure fait l'objet de beaucoup d'attention car elle a des applications dans de nombreuses disciplines telles que les études de survie et de fiabilité. L'estimation de l'indice de valeur extrême (IVE) revêt une importance primordiale, car il s'agit d'un paramètre essentiel et nécessaire à l'estimation des événements extrêmes tels que les quantiles et les probabilités de dépassement. Dans cet article, nous passons en revue plusieurs estimateurs de l'IVE lorsque les données sont soumises à une censure aléatoire. En outre, nous proposons un estimateur à biais réduit basé sur l'approximation par régression exponentielle des log-espacements. Toutes les performances des estimateurs sont comparées dans une étude de simulation. Les résultats montrent qu'aucun estimateur n'est universellement le meilleur dans tous les scénarios. Cependant, l'estimateur proposé à biais réduit s'avère efficace dans la plupart des scénarios. De plus, nous présentons une procédure bootstrap pour obtenir des échantillons pour une analyse de valeur extrême sous censure. Les estimateurs sont illustrés à l'aide d'un ensemble de données pratiques issues de la recherche médicale.

Article information

Source
Afr. J. Appl. Stat., Volume 5, Number 2 (2018), 419-445.

Dates
First available in Project Euclid: 16 May 2019

Permanent link to this document
https://projecteuclid.org/euclid.ajas/1557972202

Digital Object Identifier
doi:10.16929/ajas/419.223

Subjects
Primary: 62G32: Statistics of extreme values; tail inference 62N02: Estimation 62F40: Bootstrap, jackknife and other resampling methods

Keywords
censoring, extreme value index, confidence interval empirical coverage probability confidence interval length

Citation

MINKAH, Richard; DE WET, Tertius; DOKU-AMPONSAH, Kwabena. On Extreme Value Index Estimation under Random Censoring. Afr. J. Appl. Stat. 5 (2018), no. 2, 419--445. doi:10.16929/ajas/419.223. https://projecteuclid.org/euclid.ajas/1557972202


Export citation