Expressing the Kaplan-Meier Estimator as a Function of Empirical Subsurvival Functions
将 Kaplan–Meier 估计量表示为经验子生存函数的函数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：摘要讨论通用删失数据与生存估计，未直接涉及所列分位数或分布效应研究。
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
将 Kaplan–Meier 估计量表示为经验子生存函数的函数
- 研究问题
- 删失数据中的 Kaplan–Meier 生存函数估计量，能否在有限样本下写成两个经验子生存函数的显式函数？
- 方法与思路
- 作者利用生存函数与子生存函数之间的自然关系，给出有限样本表示，并以强一致性证明展示这种表达的用途。
- 材料陈述的贡献
- 摘要称，该表示在有限样本下成立，而且借助这一表示可以较容易地证明 Kaplan–Meier 估计量的强一致性。
- 阅读关注点
- 应核对两个子生存函数的定义、删失机制所需条件和函数表示的定义域，并检查强一致性结论覆盖的时间范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；无法核实刊本内容。摘要未提供删失假设、函数表达式或证明，不能推断任意删失机制下都成立。
原文摘要
The Kaplan-Meier estimator for the survival function in the censored data problem can be expressed for finite samples as an explicit function of two empirical subsurvival functions. This function is the natural one that expresses the survival function in terms of the sub-survival functions. As an illustration of the usefulness of expressing the Kaplan-Meier estimator in this way, the strong consistency of the Kaplan-Meier estimator is easily proved.