Empirical Bayes Estimation of a Distribution (Survival) Function from Right Censored Observations
右删失观测下分布与生存函数的经验贝叶斯估计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：摘要研究删失数据的分布函数估计与一般统计最优性，未涉及经济分布效应或其他所列领域的直接研究内容。
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
右删失观测下分布与生存函数的经验贝叶斯估计
- 研究问题
- 在观测受到右删失时，如何通过经验贝叶斯方法非参数估计分布或生存函数，并刻画其趋于最优的渐近速度？
- 方法与思路
- 作者使用 Dirichlet 过程先验，将无删失情形下经验贝叶斯分布函数估计的速率结果推广至右删失观测情形。
- 材料陈述的贡献
- 摘要称，文章建立右删失情形的经验贝叶斯速率结果，并证明所研究问题中趋于最优的渐近速度已达到可获得的最佳水平。
- 阅读关注点
- 应核对先验与经验贝叶斯参数的构造、删失假设、最优性的损失标准，以及速率上界和不可改进结论的适用条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明最优性定义、具体速率及删失条件，不能理解为对所有生存模型最优。
原文摘要
This paper provides an empirical Bayes approach to the problem of nonparametric estimation of a distribution (or survival) function when the observations are censored on the right. The results use the notion of a Dirichlet process prior introduced by Ferguson. The paper presents a generalization to the case of right censored observations of the rate result of an empirical Bayes nonparametric estimator of a distribution function of Korwar and Hollander in the uncensored case. The rate of asymptotic convergence of optimality is shown to be the best obtainable for the problem considered.