The jackknife estimate of variance of a Kaplan-Meier integral
Kaplan–Meier 积分方差的刀切估计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：摘要研究一般删失数据积分的方差估计，未说明微观分布效应或其他所列应用方向。
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 积分方差的刀切估计
- 研究问题
- 对于随机删失数据构造的 Kaplan–Meier 积分，如何一致估计其渐近正态极限中的方差以支持统计推断？
- 方法与思路
- 作者在积分函数满足一定可积性条件的背景下，研究刀切方差估计，并建立其对极限方差的几乎必然一致性。
- 材料陈述的贡献
- 摘要所述新增结果是刀切方差估计以概率一收敛至极限方差；积分本身的渐近正态性被作为已有结果。
- 阅读关注点
- 应核对删失机制、积分函数的可积性要求、刀切估计的具体构造，以及分布尾端处理对一致性的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明完整删失与可积性条件，也未提供有限样本方差估计表现。
原文摘要
Let $\hat{F}_n$ be the Kaplan-Meier estimator of a distribution function F computed from randomly censored data. It is known that, under certain integrability assumptions on a function $\varphi$, the Kaplan-Meier integral $\int \varphi d \hat{F}_n$, when properly standardized, is asymptotically normal. In this paper it is shown that, with probability 1, the jackknife estimate of variance consistently estimates the (limit) variance.