Identifiability of Bivariate Survival Curves from Censored Data
删失数据中二元生存曲线的可识别性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：摘要讨论删失生存分布的统计识别，未涉及因果识别、分布效应或其他所列领域。
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
删失数据中二元生存曲线的可识别性
- 研究问题
- 在二元右删失数据中，能否用弱于生存向量与删失向量相互独立的条件，识别两个可能相关的生存时间的联合分布？
- 方法与思路
- 作者分析二元删失问题，在分布具有完整支持的情形下采用较弱的条件独立假设，并与一元生存模型作类比讨论。
- 材料陈述的贡献
- 摘要称完整支持下，较弱的条件独立条件足以识别联合生存分布，并据此主张该非参数模型比通常独立模型适用更广。
- 阅读关注点
- 应核对条件独立究竟涉及哪些变量、完整支持的定义及作用，以及识别证明如何从可观测删失数据恢复联合分布。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；具体独立条件与识别映射未给出，可识别性也不自动保证估计精度或因果解释。
原文摘要
We show that the survival curve is identifiable in bivariate censored data problems under weaker independence assumptions than have commonly been made. The common assumption has been mutual independence of (T 1, T 2) and (Z 1, Z 2), where (T 1, T 2) is the true survival vector, (Z 1, Z 2) is a nuisance censoring vector, and bivariate right-censored data is observed. We show that the distribution of (T 1, T 2) is identifiable under weaker, conditional independence assumptions for distributions with full support. Bivariate survival analysis is a more powerful analysis tool than univariate analysis if multiple, possibly related, times are of interest. The mutual independence model has become popular as a nonparametric way of analyzing such data. Analysis of the bivariate problem and analogy with univariate models are used to show that the conditional independence model is more widely applicable as a general nonparametric model for bivariate survival data.