A Unified Nonparametric Fiducial Approach to Interval-Censored Data
区间删失数据的统一非参数 fiducial 推断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：摘要研究生存分析中的删失推断，未直接涉及所列分位数与分布效应等经济计量方向。
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…
区间删失数据的统一非参数 fiducial 推断
- 研究问题
- 事件时间只能被部分观测时，如何用统一方法估计生存概率并构造区间，同时适应不同类型的非信息性删失？
- 方法与思路
- 作者提出非参数 fiducial 方法，利用简单 Gibbs 采样覆盖右删失、当前状态、第二类区间删失及混合删失数据。
- 材料陈述的贡献
- 摘要称方法能自动适应多种非信息性删失机制，模拟中的区间覆盖率、长度及点估计误差优于所比较的方法。
- 阅读关注点
- 应核对非信息性删失的定义、fiducial 分布构造、采样收敛，以及不同删失类型下区间比较和点估计评价设置。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未提供具体理论保证或模拟数值，不能将比较优势推广至信息性删失或推断刊本变化。
原文摘要
Censored data, where the event time is partially observed, are challenging for survival probability estimation. In this article, we introduce a novel nonparametric fiducial approach to interval-censored data, including right-censored, current status, case II censored, and mixed case censored data. The proposed approach leveraging a simple Gibbs sampler has a useful property of being “one size fits all,” that is, the proposed approach automatically adapts to all types of noninformative censoring mechanisms. As shown in the extensive simulations, the proposed fiducial confidence intervals significantly outperform existing methods in terms of both coverage and length. In addition, the proposed fiducial point estimator has much smaller estimation errors than the nonparametric maximum likelihood estimator. Furthermore, we apply the proposed method to Austrian rubella data and a study of hemophiliacs infected with the human immunodeficiency virus. The strength of the proposed fiducial approach is not only estimation and uncertainty quantification but also its automatic adaptation to a variety of censoring mechanisms. Supplementary materials for this article are available online.