A Note on Empirical Bayes Estimation of a Distribution Function Based on Censored Data
基于删失数据的分布函数经验贝叶斯估计札记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：摘要属于一般删失分布估计，未涉及经济分布效应或所列其他具体计量方向。
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
基于删失数据的分布函数经验贝叶斯估计札记
- 研究问题
- 对于随机右删失数据，能否在保持既有经验贝叶斯分布函数估计的渐近最优性与收敛速度时，构造更简单的估计量？
- 方法与思路
- 作者对既有经验贝叶斯估计作轻微修改，提出更简单的估计量，并重新计算原有数值例子以展示其分布函数性质。
- 材料陈述的贡献
- 摘要称新估计同样具有渐近最优性，收敛速度为 n 的负一次幂，并通过数值例子展示所得估计是合法的分布函数。
- 阅读关注点
- 应核对渐近最优性对应的风险或损失、删失与先验条件，以及所述收敛速度的含义和合法分布函数性质的保证范围。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未说明最优性准则和删失条件，不能将所述速度直接解释为点态误差或统一误差速度。
原文摘要
Susarla and Van Ryzin exhibited an empirical Bayes estimator of a distribution function $F$ based on randomly right-censored observations. In a later paper they obtained a different estimator which alleviates the weaknesses of their earlier estimator and showed that it is asymptotically optimal with rate of convergence $n^{-1}$. The purpose of this note is to present a slightly different estimator which is simpler and is also asymptotically optimal with the same rate of convergence. Their numerical example is reworked to show that the estimator is a proper distribution function.