Multiscale Bayesian survival analysis
多尺度贝叶斯生存分析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：摘要讨论右删失生存模型的贝叶斯理论，未明确涉及所列经济分布效应或其他专门方向。
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
多尺度贝叶斯生存分析
- 研究问题
- 右删失生存模型中，如何对风险率及其多个泛函同时开展贝叶斯非参数推断，并构造累积风险和生存函数的置信带？
- 方法与思路
- 作者在风险率层面建模，在多尺度空间推导后验极限，并研究随机直方图和更一般平滑先验，提供直方图后验采样器。
- 材料陈述的贡献
- 摘要称，相关定理导出渐近有效置信带，风险率具有上确界范数下的最优后验收缩率，并开展模拟和真实数据实验。
- 阅读关注点
- 应核对删失条件、先验和平滑性要求、多尺度空间的选择，以及后验极限如何转化为具有频率学覆盖保证的置信带。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未列出定理条件、收缩率表达或有限样本覆盖结果，渐近有效性不等于小样本保证。
原文摘要
We consider Bayesian nonparametric inference in the right-censoring survival model, where modeling is made at the level of the hazard rate. We derive posterior limiting distributions for linear functionals of the hazard, and then for ‘many’ functionals simultaneously in appropriate multiscale spaces. As an application, we derive Bernstein–von Mises theorems for the cumulative hazard and survival functions, which lead to asymptotically efficient confidence bands for these quantities. Further, we show optimal posterior contraction rates for the hazard in terms of the supremum norm. In medical studies, a popular approach is to model hazards a priori as random histograms with possibly dependent heights. This and more general classes of arbitrarily smooth prior distributions are considered as applications of our theory. A sampler is provided for possibly dependent histogram posteriors. Its finite sample properties are investigated on both simulated and real data experiments.