On bootstrap accuracy with censored data
删失数据下自助法的近似精度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：摘要研究删失生存数据及通用自助法精度，未涉及经济分布效应、尾部金融风险或其他给定细分任务，因此不指定领域。
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
删失数据下自助法的近似精度
- 研究问题
- 在删失生存数据中，自助法是否比正态近似更准确，这种改善对不同学生化生存函数估计量是否具有相同表现？
- 方法与思路
- 作者推导学生化 Kaplan–Meier、Nelson 和矩估计量及对应自助统计量的 Edgeworth 展开，据此构造区间并用模拟核对。
- 材料陈述的贡献
- 摘要称自助近似改善了学生化 Kaplan–Meier 和 Nelson 估计量的近似表现，但矩估计量没有同样改善，并构造覆盖率更佳的区间。
- 阅读关注点
- 应核对删失机制及展开所需条件、各估计量的学生化方式，追踪自助近似改善为何依赖估计量，以及区间覆盖误差如何衡量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供删失比例、误差阶和模拟数值，不能声称自助法对所有删失估计都更准确。
原文摘要
In survival analysis with censored data, we consider three closely related survival function estimators: the Kaplan-Meier, Nelson and moment estimators. We derive the Edgeworth expansions for these three estimators with Studentization. Edgeworth expansions for the corresponding bootstrap statistics are also given. It is found that the bootstrap approximation is better than the normal approximation for the Studentized Kaplan-Meier and Nelson estimators, but not so for the Studentized moment estimator. With these results, we construct bootstrap-based confidence intervals with better coverage probabilities. We also include some simulations which show strong agreement with our theoretical findings.