Maximum Likelihood Estimation of the Survival Functions of N Stochastically Ordered Random Variables
N 个随机有序变量生存函数的极大似然估计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：摘要涉及多个受序约束生存函数的估计，未提供所列经济分布效应或其他细分领域的直接依据。
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
N 个随机有序变量生存函数的极大似然估计
- 研究问题
- 当多个生存函数应按线性次序满足随机序约束时，如何刻画其极大似然估计，并通过可行算法获得正确解？
- 方法与思路
- 作者将受约束估计表达为 Kaplan–Meier 乘积极限估计的函数，提出仅需反复求解两两问题的迭代算法。
- 材料陈述的贡献
- 摘要称，文章刻画受序约束的极大似然解，并证明迭代算法收敛到正确解，另以按淋巴结恶化程度分组的生存数据示例。
- 阅读关注点
- 应核对线性随机序约束、观测与删失条件、Kaplan–Meier 表达的具体形式，以及两两迭代的收敛论证和停止规则。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未列出估计和收敛条件，也未报告应用结果，不能据此判断一般算法效率。
原文摘要
Very often distributions will exist that logically should satisfy linear stochastic ordering requirements. For example, if a mechanical device is improved through N stages, the corresponding survival functions should be linearly stochastically ordered. Nevertheless, estimates may not totally reflect this stochastic ordering because of the inherent variability of the observations. Here we characterize the maximum likelihood estimates of the survival functions subject to linear stochastic ordering requirements. We show that our estimates may be expressed in terms of the well-known Kaplan—Meier product limit estimates. We also give an iterative algorithm, which we show must converge to the correct solution, that depends only on solving the pairwise problem. Finally, we consider an example concerning survival times for people with squamous carcinoma in the oropharynx when classified by degree of lymph node deterioration at time of discovery.