Maximum smoothed likelihood estimation and smoothed maximum likelihood estimation in the current status model
现状观测模型中的最大平滑似然估计与平滑最大似然估计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：摘要讨论事件时间的通用非参数估计，未明确涉及经济分布效应或其他所列细分方向。
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…
现状观测模型中的最大平滑似然估计与平滑最大似然估计
- 研究问题
- 在事件发生时间不可直接观测的现状观测模型中，如何利用平滑性估计其分布函数，并进一步估计密度和风险率？
- 方法与思路
- 作者研究两条平滑路径：先平滑似然再最大化，以及先得到离散的非参数最大似然估计再平滑，并采用代入方法。
- 材料陈述的贡献
- 摘要称研究了两种分布函数估计方法，并指出这些估计可通过代入原则用于事件时间密度及风险率的估计。
- 阅读关注点
- 核对现状观测的数据结构、事件时间分布的平滑条件、两种平滑操作的区别，以及密度与风险率估计的构造。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出带宽选择、收敛率或方法比较结果，不能断言某条路径更优。
原文摘要
We consider the problem of estimating the distribution function, the density and the hazard rate of the (unobservable) event time in the current status model. A well studied and natural nonparametric estimator for the distribution function in this model is the nonparametric maximum likelihood estimator (MLE). We study two alternative methods for the estimation of the distribution function, assuming some smoothness of the event time distribution. The first estimator is based on a maximum smoothed likelihood approach. The second method is based on smoothing the (discrete) MLE of the distribution function. These estimators can be used to estimate the density and hazard rate of the event time distribution based on the plug-in principle.