Nonparametric estimators of the bivariate survival function under simplified censoring conditions
简化删失条件下的二元生存函数非参数估计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：摘要讨论一般删失生存数据的估计，未明确经济分布效应、因果识别或所给其他细分的研究对象。
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
简化删失条件下的二元生存函数非参数估计
- 研究问题
- 当删失变量之间的依赖关系可以建模时，如何利用这些结构估计二元生存函数，并考察大样本性质与有限样本表现？
- 方法与思路
- 作者针对单变量删失、删失变量相互独立或由边际模型指定等情形提出估计量，并进行理论讨论、模拟比较和真实数据分析。
- 材料陈述的贡献
- 摘要称，论文提出新的二元生存函数估计量，讨论大样本性质，并通过模拟与其他完全非参数估计量比较有限样本表现。
- 阅读关注点
- 应核对各类删失结构的精确定义、删失与事件时间的关系，以及估计量的大样本结论和模拟比较采用的指标。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；识别条件、具体大样本结论与模拟结果未说明，不能宣称新估计量普遍更优。
原文摘要
New bivariate survival function estimators are proposed in the case where the dependence relationship between the censoring variables are modelled. Specific examples include the cases when censoring variables are univariate, mutually independent or specified by a marginal model. Large sample properties of the proposed estimators are discussed. The finite sample performance of the proposed estimators compared with other fully non-parametric estimators is studied via simulations. A real data example is given.