A Combinatoric Approach to the Kaplan-Meier Estimator
Kaplan–Meier 估计量的组合论方法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：摘要研究通用删失分布估计量的组合论性质，未涉及经济分布效应或所列其他细分问题。
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
Kaplan–Meier 估计量的组合论方法
- 研究问题
- 对于 Kaplan–Meier 分布估计量，能否利用组合论控制函数积分的期望，并在明确条件下建立其收敛性质？
- 方法与思路
- 作者在目标分布和删失分布连续时，用组合结果建立绝对值函数积分的期望上界，再结合切比雪夫不等式讨论收敛。
- 材料陈述的贡献
- 摘要称，期望上界对任意样本量成立；在积分有限、函数连续及所列分布取值限制下，进一步得到摘要所称的弱收敛。
- 阅读关注点
- 应核对抽样与删失假设、积分覆盖范围、两分布严格小于一的条件，以及摘要中弱收敛结论的准确数学表述。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；删失独立性及尾部处理未说明，不能扩展至任意删失机制或推断刊本变化。
原文摘要
The paper considers the Kaplan-Meier estimator $F^{\mathrm{KM}}_n$ from a combinatoric viewpoint. Under the assumption that the estimated distribution $F$ and the censoring distribution $G$ are continuous, the combinatoric results are used to show that $\int |\theta(z)| dF^{\mathrm{KM}}_n(z)$ has expectation not larger than $\int |\theta(z)| dF(z)$ for any sample size $n$. This result is then coupled with Chebychev's inequality to demonstrate the weak convergence of the former integral to the latter if the latter is finite, if $F$ and $G$ are strictly less than 1 on $\mathscr{R}$ and if $\theta$ is continuous.