A Hybrid Algorithm for Computation of the Nonparametric Maximum Likelihood Estimator from Censored Data
删失数据非参数最大似然估计的混合计算算法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通用优化算法，未明确涉及所列领域细分。
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
删失数据非参数最大似然估计的混合计算算法
- 研究问题
- 研究删失数据的对数似然为凹函数时，如何可靠而快速地计算非参数最大似然估计，并支持自助法置信带计算。
- 方法与思路
- 作者将 EM 算法与修正的迭代凸下包络算法组合成混合迭代映射，分析其全局收敛性并进行数值模拟。
- 材料陈述的贡献
- 摘要称混合算法可明确收敛到非参数最大似然估计；双重删失模拟中，其收敛快于 EM 和朴素 ICM，并便于计算置信带。
- 阅读关注点
- 应核对凹性之外的收敛条件、算法映射和停止准则，以及速度比较的计算口径与自助法置信带的统计有效性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读，不推断刊本变化。摘要未给迭代复杂度或速度数值；计算更快本身不能证明自助法置信带具有正确覆盖率。
原文摘要
We present a hybrid algorithm for nonparametric maximum likelihood estimation from censored data when the log-likelihood is concave. The hybrid algorithm uses a composite algorithmic mapping combining the expectation-maximization (EM) algorithm and the (modified) iterative convex minorant (ICM) algorithm. Global convergence of the hybrid algorithm is proven; the iterates generated by the hybrid algorithm are shown to converge to the nonparametric maximum likelihood estimator (NPMLE) unambiguously. Numerical simulations demonstrate that the hybrid algorithm converges more rapidly than either of the EM or the naive ICM algorithm for doubly censored data. The speed of the hybrid algorithm makes it possible to accompany the NPMLE with bootstrap confidence bands.