Some Nonparametric Techniques for Estimating the Intensity Function of a Cancer Related Nonstationary Poisson Process
癌症相关非平稳泊松过程强度函数的非参数估计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：摘要研究癌症事件时间的点过程强度，未明确涉及宏观时间序列或金融高频计量。
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…
癌症相关非平稳泊松过程强度函数的非参数估计
- 研究问题
- 将癌症转移出现时间建模为非平稳泊松过程时，如何在存在删失的情况下非参数估计强度函数并描述其变化？
- 方法与思路
- 作者开发核估计、扩展删失方案下的 Grenander 方法及离散惩罚似然三类算法，并采用分层和比例风险模型估计。
- 材料陈述的贡献
- 摘要称给出了三类强度估计算法，并观察到所研究肿瘤系统的强度函数似乎不增，且这一观察与通常看法不同。
- 阅读关注点
- 应核对泊松过程建模依据、删失机制和各算法条件，以及强度不增是模型约束还是数据证据及其不确定性。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；“似乎不增”仅针对所研究系统，摘要未提供数据规模、检验或算法比较数值。
原文摘要
An attempt is made to model the appearance times of metastases as a nonstationary Poisson process. Three algorithms are developed for this task. The first follows the kernel approach used in probability density estimation by Parzen and Rosenblatt; the second extends the work of Grenander on mortality measurements to a more general censoring scheme appropriate for the present application; the third employs a discrete maximum penalized likelihood approach. We obtain estimates using both stratification and the proportional hazards model. Contrary to customary belief, it seems that the intensity functions associated with the tumor systems under investigation are nonincreasing.