The Empirical Distribution Function with Arbitrarily Grouped, Censored and Truncated Data
任意分组、删失与截断数据的经验分布函数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：摘要研究一般不完整数据的非参数分布估计，未明确涉及经济分位数或分布效应，分类证据不足。
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
任意分组、删失与截断数据的经验分布函数
- 研究问题
- 当数据因分组、删失或截断而不完整时，如何非参数估计目标分布函数，并构造能够收敛到最大似然估计的算法？
- 方法与思路
- 作者利用自洽性思想构造简单迭代算法，处理分组、删失及截断造成的不完整数据，并指出用于假设检验的可能方式。
- 材料陈述的贡献
- 摘要称，该算法单调收敛并产生分布函数的最大似然估计；同时提示假设检验应用，但未在摘要给出相应检验结果。
- 阅读关注点
- 应核对不同不完整观测机制的似然表达、自洽更新规则、单调收敛的对象与条件，以及最大似然解是否唯一。
- 阅读边界
- 仅据所给 Crossref 摘要；观测机制条件、解的唯一性和检验细节未说明，不能据此认定任意信息缺失均可恢复完整分布。
原文摘要
Summary This paper is concerned with the non-parametric estimation of a distribution function F, when the data are incomplete due to grouping, censoring and/or truncation. Using the idea of self-consistency, a simple algorithm is constructed and shown to converge monotonically to yield a maximum likelihood estimate of F. An application to hypothesis testing is indicated.