Maximum likelihood for interval censored data: Consistency and computation
区间删失数据的最大似然：一致性与计算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：摘要研究一般区间删失分布估计与凸优化，未明确涉及所列分布效应或其他计量细分方向。
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
区间删失数据的最大似然：一致性与计算
- 研究问题
- 对于区间删失数据，如何判定自洽估计是否确为最大似然估计、解是否唯一，以及估计分布何时几乎处处收敛于真实分布？
- 方法与思路
- 作者将标准凸优化技术用于区间删失似然分析，建立最大似然最优性与唯一性的可检验条件，并研究分布估计的强一致性。
- 材料陈述的贡献
- 摘要称给出检验 Turnbull 自洽估计是否达到最大似然及解是否唯一的条件，并提供最大似然估计几乎处处收敛的充分条件。
- 阅读关注点
- 应核对删失机制与观测区间的条件、最优性和唯一性检查的实施步骤，以及强一致性结论采用的收敛意义与充分条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体删失假设、唯一性标准与一致性条件未列出，不能认定任意自洽解均有效。
原文摘要
Standard convex optimization techniques are applied to the analysis of interval censored data. These methods provide easily verifiable conditions for the self-consistent estimator proposed by Turnbull (1976) to be a maximum likelihood estimator and for checking whether the maximum likelihood estimate is unique. A sufficient condition is given for the almost sure convergence of the maximum likelihood estimator to the true underlying distribution function.