Estimation of Survival Functions Under Uniform Stochastic Ordering
一致随机序约束下的生存函数估计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：摘要直接研究生存分布及随机序约束下的分布函数估计，对应分布方法方向，但没有讨论经济处理的分布效应。
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
一致随机序约束下的生存函数估计
- 研究问题
- 在以生存函数比值单调性定义的一致随机序约束下，已有非参数极大似然估计为何可能不一致，又如何构造替代估计？
- 方法与思路
- 作者考察多个未知生存函数受线性排序约束时的极大似然估计，并基于既有单样本构造提出包含两个已有估计的一参数估计族。
- 材料陈述的贡献
- 摘要称相关受限极大似然估计一般也不一致；新估计族以两个已有估计为端点，并用启发式论证支持选择内部成员。
- 阅读关注点
- 应核对不一致结论的具体情形、估计族如何维持随机序约束，以及内部成员的选择依据是否具有超出启发式论证的理论保证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；内部成员的推荐基于启发式论证，摘要未说明其完整性质。
原文摘要
If S and T are survival functions for two life distributions, then S is said to be uniformly stochastically smaller than T, denoted by S ≪ T, if θ(x) ≡ S(x)/T(x) is nonincreasing in x on {x: T(x) > 0}. This ordering is transitive. Uniform stochastic ordering (USO) has found important applications in nonparametric accelerated life testing, among other areas. It has been shown that the nonparametric maximum likelihood estimator (NPMLE) of S under USO when T is known is inconsistent. Dykstra, Kochar Robertson derived the restricted NPMLE's of several unknown survival functions linearly ordered by USO. This article shows that these too are inconsistent in general. Rojo and Samaniego gave excellent ad hoc estimators of S and T when the other is known. Based on their idea for the one-sample problem, they gave two ad hoc estimators (one of them only implied) of S and T when they are both unknown. These are consistent, but they lack some desirable properties. This article introduces a one-parameter family of estimators that contains both of these estimators as extreme members. Some heuristic arguments are given to show that an interior member of this family is the appropriate one to choose.