Censored Data and the Bootstrap
删失数据与 BootstrapAI 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：摘要讨论通用右删失数据的 Bootstrap 推断，未明确对应所列分布效应或其他经济计量细分。
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
删失数据与 Bootstrap
- 研究问题
- 数据受到右删失时，如何为未知分布的参数构造标准误和置信区间，以及 Bootstrap 方法在这种观测机制下是否有效？
- 方法与思路
- 作者将 Bootstrap 用于右删失数据下的参数不确定性评估，并结合真实数据、计算机模拟及简短理论讨论考察其有效性。
- 材料陈述的贡献
- 摘要说明文章研究右删失场景中的 Bootstrap 标准误与置信区间，并提供多种证据形式，但未陈述具体有效性条件或结果。
- 阅读关注点
- 应核对被估参数、删失机制、重抽样对象与区间构造方式，以及模拟和理论分别支持哪些统计量与删失程度。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；重抽样方案、有效性条件和覆盖率结果未说明，不能据此认定任意删失场景均适用。
原文摘要
This article concerns setting standard errors and confidence intervals for the parameters of an unknown distribution when the data is subject to right censoring. The bootstrap, which is an elaboration of the jackknife, provides a general method for answering such questions. The validity of bootstrap methods is investigated using real data, computer simulations, and, in the final section, brief theoretical considerations.