Bivariate current status data with univariate monitoring times
单一监测时间下的双变量现时状态数据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：摘要属于生存数据与删失观测方法，未明确落入所列经济或金融细分方向。
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…
单一监测时间下的双变量现时状态数据
- 研究问题
- 作者研究用单一监测时间观察两个事件状态时，联合分布中哪些部分可识别，以及相关平滑泛函如何有效估计。
- 方法与思路
- 摘要称将数据化为单变量现时状态观测，用易计算的非参数极大似然估计量估计可识别分布部分的平滑泛函。
- 材料陈述的贡献
- 摘要称可识别部分为两个边际分布和联合分布的对角线取值，并建立泛函有效估计理论，应用于独立性与 copula 拟合。
- 阅读关注点
- 应核对监测机制及有效估计的条件，区分联合分布与其可识别部分，并查看独立性、拟合评价和协变量扩展的范围。
- 阅读边界
- OpenAlex 索引版本未注明，摘要未给出监测条件或模拟数值；可识别三个函数不能据此扩展为整个联合分布可识别。
原文摘要
For bivariate current status data with univariate monitoring times, the identifiable part of the joint distribution is three univariate cumulative distribution functions, namely the two marginal distributions and the bivariate cumulative distribution function evaluated on the diagonal. We show that smooth functionals of these univariate cumulative distribution functions can be efficiently estimated with easily computed nonparametric maximum likelihood estimators based on reduced data consisting of univariate current status observations. This theory is then applied to functionals that address independence of the two survival times and the goodness-of-fit of a copula model used by Wang & Ding (2000). Some brief simulations are provided along with an illustration based on data on HIV transmission. Extension of the ideas to incorporate covariates, possibly time-dependent, are discussed.