Miscellanea. On nonidentifiability and noninformative censoring for current status data
现状数据的不可识别性与非信息性删失AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究现状数据与删失识别问题，没有所列因果、离散选择或其他细分的直接依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
现状数据的不可识别性与非信息性删失
- 研究问题
- 现状数据中事件时间与检查时间的独立性放宽后，哪些模型仍能识别事件时间分布，哪些情况下检查时间不能忽略？
- 方法与思路
- 作者比较一系列嵌套模型，包括独立模型、常和模型，以及事件在检查前发生的条件概率随检查时间不下降的模型。
- 材料陈述的贡献
- 摘要称常和模型中事件时间分布可识别且检查时间非信息性；较大的条件概率单调模型类中则存在不可识别性。
- 阅读关注点
- 应核对常和条件的精确定义、模型类的包含关系，以及可识别性与检查时间可忽略性各自使用的概念和论证。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供模型定义与证明，不能把模型类层面的不可识别性机械理解为每个子模型均不可识别。
原文摘要
The event times and examination times that produce current status data are typically assumed to be independent. Here, an increasing sequence of nested models is considered for current status data, namely independence models, 'constant sum' models and models for which the conditional probability of the occurrence of the event prior to the examination time, given the examination time, is nondecreasing in the examination time. In the class of constant sum models, the distribution of the event time is identifiable and the examination times are noninformative. In the class of models with nondecreasing conditional probability, the distribution of the event time is nonidentifiable. Outside this class, the examination times cannot be ignored.