Bayesian Life Table Analysis
贝叶斯生命表分析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：摘要研究一般生存分析与贝叶斯生命表，未说明所列经济计量细分方向的具体应用。
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
贝叶斯生命表分析
- 研究问题
- 如何在失效过程和风险函数先验的设定下推导生存概率的后验矩，并理解其与经典生存分析估计的关系？
- 方法与思路
- 作者假设失效服从时变 Poisson 过程、风险函数具有独立同分布的 gamma 先验，并讨论从数据估计先验的方法。
- 材料陈述的贡献
- 摘要称特定非正常先验下结果退化为 Kaplan–Meier 估计及 Cox 的两条生存曲线比较结果，并提出可能改善风险的方法。
- 阅读关注点
- 应核对风险函数先验的具体构造、非正常先验下后验的有效性，以及均方误差损失下不可容许性与改进的条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；文中关于一致改善的措辞是可能性，摘要未列充分条件，不能据此断言普遍优于经典方法。
原文摘要
Summary The moments of the posterior p.d.f. of the probability of surviving to time t, P(t), are obtained, assuming a time-dependent Poisson process for failures and i.i.d. gamma prior densities for the hazard function. For improper densities the results reduce to the Kaplan–Meier estimate of p(t) and to the Cox result for the comparison of two survival curves, which, because of the use of improper priors, may be inadmissible with respect to mean square error loss. A way of estimating the priors from the data, and hence of obtaining estimates that may be uniformly superior to those of Kaplan–Meier and Cox, is given. The use of a class of more realistic, but still non-parametric, priors is discussed.