The Admissibility of the Kaplan-Meier and other Maximum Likelihood Estimators in the Presence of Censoring
删失下 Kaplan–Meier 及其他最大似然估计量的可容许性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：摘要讨论一般生存函数估计的决策论性质，未涉及经济分布效应或所列其他领域的明确应用，故不作细分归类。
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…
删失下 Kaplan–Meier 及其他最大似然估计量的可容许性
- 研究问题
- 存在删失时，非参数生存函数估计中的 Kaplan–Meier 估计量及相关最大似然估计量，是否具备决策论意义的可容许性？
- 方法与思路
- 作者将删失生存函数估计问题归约为多项分布问题，再运用逐步贝叶斯技术证明相关估计量的可容许性。
- 材料陈述的贡献
- 摘要称，论文证明 Kaplan–Meier 估计量和其他相关最大似然估计量的可容许性，并提供基于多项分布归约的证明路径。
- 阅读关注点
- 应核对删失机制、损失函数与决策空间，以及多项分布归约和逐步贝叶斯论证覆盖哪些相关最大似然估计量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明损失函数与删失条件，可容许性不能据此解释为普遍最优或效率最高。
原文摘要
For the nonparametric estimation of a survival function when censoring is present, the Kaplan-Meier estimator is often used. The admissibility of this estimator and other related maximum likelihood estimators is demonstrated. This is done by reducing the problem to one involving just the multinomial distribution and then using the stepwise Bayes technique to prove admissibility.