Semiparametric Likelihood-Based Inference for Biased and Truncated Data When the Total Sample Size is Known
已知总样本量时偏倚与截断数据的半参数似然推断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：摘要研究通用偏倚与截断数据推断，未明确涉及分位数、分布效应或所列应用领域。
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…
已知总样本量时偏倚与截断数据的半参数似然推断
- 研究问题
- 对于偏倚抽样或截断导致的观测数据，已知总样本量这一辅助信息如何帮助推断潜在分布及其目标参数？
- 方法与思路
- 作者在似然推断中纳入已知总样本量信息，采用半参数似然比置信区间技术，并报告若干模拟结果。
- 材料陈述的贡献
- 摘要称已知总样本量能够改善对潜在分布及相关参数的推断，并以半参数似然比区间和模拟考察这一思路。
- 阅读关注点
- 应核对偏倚与截断机制、总样本量的确切含义及其进入似然的方式，以及区间校准和改善推断的比较标准。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断分布识别条件和改善幅度；抽样机制、目标参数、区间性质与模拟数值未说明。
原文摘要
Summary Biased and truncated data arise in many practical areas. Many efficient statistical methods have been studied in the literature. This paper discusses likelihood-based inferences for the two types of data in the presence of auxiliary information of known total sample size. It is shown that this information improves inference about the underlying distribution and its parameters in which we are interested. A semiparametric likelihood ratio confidence interval technique is employed. Also some simulation results are reported.