The jackknife estimate of a Kaplan—Meier integral
Kaplan–Meier积分的刀切法估计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：摘要研究生存估计与重抽样偏差校正，未提供所列领域细分的直接依据。
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
Kaplan–Meier积分的刀切法估计
- 研究问题
- 如何为Kaplan–Meier积分构造显式刀切法估计，并据此分析刀切处理后的过程及其可能的偏差改善？
- 方法与思路
- 作者推导刀切法估计的显式公式，以便开展Kaplan–Meier过程的渐近分析，并用小规模模拟考察偏差变化。
- 材料陈述的贡献
- 摘要称，显式公式使相关渐近分析更直接，小规模模拟显示刀切法可能显著降低偏差，但没有报告具体数值。
- 阅读关注点
- 应核对积分对象、删失与渐近分析条件，以及刀切校正在何种模拟设定下减小偏差、是否同时影响方差。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明删失条件或偏差与方差权衡，小规模模拟不能支持普遍改善的结论。
原文摘要
We derive an explicit formula for the jackknife estimate of a Kaplan-Meier integral. From this the asymptotic analysis of the jackknifed Kaplan-Meier process becomes straightforward. In a small simulation study it is demonstrated that jackknifing may lead to a considerable reduction of the bias.