Nonparametric quantile inference with competing risks data
竞争风险数据的非参数分位数推断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：摘要直接研究分位数函数的非参数估计、置信区间与检验，对应分位数与分布方向。
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
竞争风险数据的非参数分位数推断
- 研究问题
- 在竞争风险存在时，如何基于累积发生函数定义特定原因失效的分位数，并开展单样本与双样本的非参数推断？
- 方法与思路
- 作者构造分位数函数的非参数估计量，建立一致收敛与弱收敛结果，再据此发展置信区间、置信带和双样本检验。
- 材料陈述的贡献
- 摘要称将独立删失数据的标准分位数推断扩展到竞争风险情境，并以模拟和真实资料示例展示所提方法的实用性。
- 阅读关注点
- 应核对累积发生函数分位数的定义域、分位数存在的条件、删失假设，以及置信带和双样本检验的理论适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分位数可识别范围、完整正则条件及模拟表现未说明，不能推断刊本变化。
原文摘要
A conceptually simple quantile inference procedure is proposed for cause-specific failure probabilities with competing risks data. The quantiles are defined using the cumulative incidence function, which is intuitively meaningful in the competing–risks set–up. We establish the uniform consistency and weak convergence of a nonparametric estimator of this quantile function. These results form the theoretical basis for extensions of standard one–sample and two–sample quantile inference for independently censored data. This includes the construction of confidence intervals and bands for the quantile function, and two–sample tests. Simulation studies and a real data example illustrate the practical utility of the methodology.