Estimation of Survival Curves from Dependent Censorship Models via a Generalized Self-Consistent Property with Nonparametric Bayesian Estimation Application
依赖删失模型下基于广义自洽性的生存曲线估计及非参数贝叶斯应用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：摘要研究生存分析与依赖删失，未明确涉及分位数效应、因果效应或其他所列计量细分方向。
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
依赖删失模型下基于广义自洽性的生存曲线估计及非参数贝叶斯应用
- 研究问题
- 研究右删失变量可能依赖真实失效变量时，如何构造生存函数估计族，并在非参数贝叶斯框架下获得相应估计。
- 方法与思路
- 作者推广乘积极限估计的自洽性质，对可观测随机向量指定 Dirichlet 过程先验，并在特定损失函数下推导贝叶斯估计。
- 材料陈述的贡献
- 摘要称所得估计族允许删失与失效存在依赖，贝叶斯估计属于该族，并推广既有结果、推导相应估计的大样本性质。
- 阅读关注点
- 核对依赖删失下生存函数的识别条件、广义自洽方程、先验如何作用于可观测量，以及损失函数与大样本结论的范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明依赖结构和识别限制，不能认定任意依赖删失下均可恢复生存曲线或推断刊本变化。
原文摘要
This article presents a family of estimators of the survival function based on right-censored observations which admit the possibility that the censoring variables may not be independent of the true failure variables. This family is obtained by generalizing the self-consistent property (Efron, 1967) of the product limit estimator (Kaplan and Meier, 1958). By assuming a Dirichlet process prior distribution of the observable random vectors, nonparametric Bayesian estimators of the survival curve-which is also a member of this family--are derived under a special loss function. These nonparametric Bayesian estimators generalize results of Susarla and Van Ryzin (1976), who impose a Dirichlet process prior on the failure survival function without considering any prior distribution of the censoring variables. Large sample properties of this family of nonparametric Bayesian estimators are also derived.