Valid and Approximately Valid Confidence Intervals for Current Status Data
现状数据的有效与近似有效置信区间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：摘要针对现状生存数据的通用分布推断，未涉及经济分位数或分布效应，因此暂不归入给定的领域细分。
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…
现状数据的有效与近似有效置信区间
- 研究问题
- 对于仅观测检查时事件是否已发生的现状数据，如何构造事件时间分布的逐点置信区间，并兼顾覆盖率与长度？
- 方法与思路
- 作者利用二项分布性质构造保证名义覆盖的区间，并由同一思路提出近似有效区间，适用于连续或网格检查分布。
- 材料陈述的贡献
- 摘要称有效区间小样本保守而渐近趋于名义覆盖；模拟中近似区间通常比所列现有方法更短且覆盖更接近名义水平。
- 阅读关注点
- 应核对检查时间与事件时间的关系、覆盖保证所需条件，以及有效与近似有效区间的构造差异和模拟比较范围。
- 阅读边界
- 仅据所给 Crossref 摘要；保证针对逐点区间，不能直接解释为同时置信带，近似区间的模拟表现也不是精确覆盖保证。
原文摘要
Abstract We introduce a new approach for creating pointwise confidence intervals for the distribution of event times for current status data. Existing methods are based on asymptotics. Our approach is based on binomial properties and motivates confidence intervals that are very simple to apply and are valid that is guarantee nominal coverage. Although these confidence intervals are necessarily conservative for small sample sizes, asymptotically their coverage rate approaches the nominal one. This binomial approach also motivates approximately valid confidence intervals, and simulations show that these approximate intervals generally have coverage rates closer to the nominal level with shorter length than existing intervals, such as the confidence interval based on the likelihood ratio test. Unlike previous asymptotic methods that require different asymptotic distributions for continuous or grid-based assessment, the binomial approach can be applied to either type of assessment distribution.