Semi-Markov Models for Partially Censored Data
部分删失数据的半马尔可夫模型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：摘要属于多状态过程与删失数据的通用统计建模，未明确涉及宏观时间序列或其他所列细分领域。
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…
关注这篇论文的作者
部分删失数据的半马尔可夫模型
- 研究问题
- 如何对多状态随机过程产生的部分删失观测建立似然并进行非参数估计，同时描述未知模型成分估计量的近似分布？
- 方法与思路
- 作者假设状态变化形成嵌入马尔可夫链，停留时间相互独立且分布仅依赖相邻状态，据此构造并非参数最大化观测似然。
- 材料陈述的贡献
- 摘要称确定部分删失观测的一般似然，得到模型未知量的非参数最大似然估计及若干良好性质，并推导近似分布结果。
- 阅读关注点
- 应核对部分删失的观测机制、停留时间独立假设、似然中的未知对象与优化方法，以及所谓良好性质和分布近似的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未具体列举估计性质或删失条件，不能补称一致性、效率或任意删失机制下的有效性。
原文摘要
Nonparametric likelihood methods are developed for the analysis of partially censored data arising from a multistate stochastic process. It is assumed that the underlying process follows a semi-Markov model in which state changes form an embedded Markov chain and sojourn times are independent with distributions depending only on adjoining states. The general likelihood function for a set of partially censored observations is determined and maximized nonparametrically. The resulting nonparametric maximum likelihood estimators of the model unknowns are found to have several attractive properties. Approximate distributional results are derived.