Empirical Bayes Analysis of Survival Time Data
生存时间数据的经验贝叶斯分析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：摘要研究寿命数据与危险率过程的一般统计建模，没有足够证据归入所列经济计量细分方向。
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…
关注这篇论文的作者
生存时间数据的经验贝叶斯分析
- 研究问题
- 如何对寿命数据开展经验贝叶斯分析，分组观测与连续观测的结果有何差异，并能否估计潜在危险率过程的变异参数？
- 方法与思路
- 作者扩展将累积危险率视为伽马过程的模型，比较分组和连续数据下的分析，并将讨论延伸到比伽马过程更一般的过程。
- 材料陈述的贡献
- 摘要称，分组数据所得结果更令人满意，潜在伽马过程的变异参数可由此估计；伽马过程也被用作更一般分析的示例。
- 阅读关注点
- 应核对经验贝叶斯参数的估计方式、分组观测的似然处理、“更令人满意”的评价标准，以及推广过程的具体范围。
- 阅读边界
- 仅据所给 Crossref 摘要；模型条件、评价指标和分组方式未说明，不能据此断言分组总是更好或推断其他版本变化。
原文摘要
Summary An empirical Bayes analysis of life-time data is described. The paper examines and extends the model discussed by Kalbfleisch (1978) in which the cumulative hazard function is treated as a gamma process. It is shown that the results obtained from the model by using grouped data (the usual case in practice) are more satisfactory than those obtained using continuous data. The paper also shows that a parameter representing the variability of the underlying gamma process can be estimated from such data. A further feature is that the analysis considers more general processes than the gamma process using the latter for illustrative purposes only.