Smooth Backfitting for Additive Hazard Rates
本文将光滑反向拟合拓展至加性结构风险的生存模型，支持删失与截断场景，其估计量为多元风险函数空间的投影，还给出了渐近理论与效果良好的实现方法。
2025-08-01 math.ST stat.TH
Characterizations of independence between order statistics and rank indicators
University of Brasília（巴西利亚大学）
该研究针对独立非负随机变量，通过重加权概率测度刻画次序统计量与对应秩指标的独立性，得到相关显式表达式与独立性偏离度量，还在删失场景下完成相关刻画并验证了方法适用性。
2026-08-07 math.ST stat.ME stat.TH
On near-redundancy and identifiability of parametric hazard regression models under censoring
本文针对右删失下参数危险回归模型的推断困难，提出基于分布距离的检测方法，并证明估计量一致性，通过模拟和实例验证，为实际不可辨识性问题提供解决方案。
2023-05-09 stat.ME
Closed-form estimation of the exponential scale under two-sided informative random censorship
Navoi State University（纳沃伊国立大学）；Gulistan State University（古利斯坦国立大学）
针对双侧信息性随机删失下的指数寿命尺度估计，提出闭式伪最大似然估计量，无需迭代，具有精确Fisher一致性、强相合性与高渐近效率，并推广至比例风险类。
2026-09-14 math.ST stat.TH
Structured Estimation in Nonparameteric Cox Model
为了更好地理解删失和稀疏性的相互作用，我们发展了非参数Cox比例风险模型的有限样本性质。由于测序数据的高度影响，携带每个个体的遗传信息，我们工作与过参数化问题，并提出了适用于稀疏结构变量选择和估计的一般类的组惩罚。新的非渐近三明治边界的部分似然开发。我们建立了它们如何推广Le Cam的局部渐近正态性（LAN）的概念。这种非渐近LAN原则进一步扩展到高维空间，其中$p \gg n$。在适当的截尾条件下，非参数Cox比例风险模型中惩罚估计的有限样本预测性质与线性模型中惩罚估计的有限样本预测性质一致.
2014-09-19 math.ST stat.ME stat.ML
Parametric bootstrap simultaneous confidence interval based on doubly type-II censoring
Indian Institute of Technology Bhilai（印度理工学院比莱分校）
针对双删失样本，提出参数自助法和信仰广义法构建多个双参数指数分布两两均值差的同时置信区间，两种方法均有正确的渐近覆盖概率，模拟和实例验证了其性能。
2026-09-10 math.ST stat.TH
Smooth estimation of a monotone hazard and a monotone density under random censoring
本文研究了随机右删失数据下单调风险率和单调密度的核光滑Grenander型估计。我们表明，他们收敛速度$n^{2/5}$和极限分布在一个不动点是高斯明确给定的均值和方差。众所周知，标准核平滑会导致边界点处的不一致问题。事实证明，同样通过使用边界校正，我们只能在远离支撑端点的区间上建立一致性（尽管我们可以任意接近右边界）。
2018-05-17 math.ST stat.TH
Competing risks regression for clustered survival data via the marginal additive subdistribution hazards model
针对存在竞争风险的聚类相关生存数据，提出群体平均加性子分布风险模型与稳健三明治方差估计量，开发拟合优度检验，经模拟验证后用于STRIDE试验数据分析。
2023-08-16 stat.AP stat.ME
Robust inference for an interval-monitored step-stress experiment under proportional hazards
本文针对比例风险下的区间监测步进应力加速寿命试验，提出稳健的最小密度幂散度估计器族，用于估计可靠性和寿命特征，并通过模拟验证其稳健性与效率。
2024-02-09 math.ST stat.TH
Likelihood approach for marginal proportional hazards regression in the presence of dependent censoring
在许多公共卫生问题中，一个重要的目标是确定某些治疗/干预对整个人群失败风险的影响。边际比例风险回归模型经常被用来分析这种影响。当相依删失被许多辅助协变量解释时，我们利用两个工作模型来压缩高维协变量以实现降维。然后通过在筛空间上最大化一个伪似然函数得到处理效果的估计量。当两个工作模型中的任何一个是正确的时，这样的估计是一致的且渐近正态的;此外，当两个工作模型都是正确的时，其渐近方差与半参数效率界相同。
2005-05-27 math.ST stat.TH
Max-Stable Survival Copulas under Dependent Censoring: Sharp Identification and Efficient Inference
QUANTLABS (subsidiary of the Rainbow Parterns Group)（QUANTLABS（Rainbow Parterns Group子公司））；Univ de Technologie Compiègne（康皮埃涅技术大学）；CY Cergy Paris Université（CY塞吉-巴黎大学）
该研究针对相依删失下的广义Cox首达时间框架，明确了极大稳定生存Copula的识别条件，提出可用于可识别分量的非参数估计、高效推断及相容性检验方法，经模拟与实际数据验证有效。
2026-09-01 math.ST stat.TH
Deep Generative Survival Analysis: Nonparametric Estimation of Conditional Survival Function
我们提出了一种深度生成方法，用于右删失数据条件生存和风险函数的非参数估计。该方法的核心思想是在给定协变量的情况下，首先学习观测时间和截尾指标的联合条件分布的条件生成器，然后基于该条件生成器构造条件风险和生存函数的Kaplan-Meier和Nelson-Aalen估计量.我们的方法结合了最近开发的深度生成学习和生存分析中的经典非参数估计的思想。我们分析了所提出的方法的收敛性，并建立了条件生存和风险函数的生成非参数估计的相容性。我们的数值实验验证了所提出的方法，并在一系列的模拟模型中展示了其优越的性能。我们还说明了所提出的方法在构建PBC（原发性胆汁性胆管炎）和SUPPORT（了解预后和治疗结果和风险偏好的研究）数据集的生存时间预测区间中的应用。
2022-05-19 math.ST stat.TH
The Generalized Power Generalized Weibull Distribution: Properties and Applications
本文介绍了幂广义韦布尔分布的一种新推广，称为广义幂广义韦布尔分布。该分布也可以看作是韦布尔分布的推广。新模型的风险率函数具有良好的灵活性，可以采用各种形状，包括增加、减少、倒浴缸和浴缸形状。给出了新模型的统计性质，包括分位数函数、矩母函数、可靠度函数、危险度函数和反向危险度函数。导出了矩、不完全矩、平均偏差、Bonferroni曲线和Lorenz曲线以及顺序统计量密度。模型参数采用极大似然法估计。所提出的模型的实用性说明了使用两个应用程序的现实生活中的数据。
2018-10-15 math.ST stat.TH
An Extension of the Generalized Linear Failure Rate Distribution
本文引入了广义线性故障率分布的一个新推广。它包括一些著名的寿命分布，如广义指数和广义线性故障率分布的扩展作为特殊的子模型。此外，它可以有一个常数，减少，增加，倒置浴缸（单峰），浴缸形状的危险率函数，这取决于它的参数。我们提供了它的一些统计性质，如矩，分位数，偏度，峰度，风险率函数，和可逆的风险率函数。讨论了参数的极大似然估计。最后，给出了一个实际的数据集，以说明这种新的分布在分析寿命数据的有效性。
2016-03-09 math.ST stat.TH
Control Chart for Generalized Weibull Quantiles under Hybrid Censoring
本文针对混合删失下广义威布尔分布分位数，提出基于自助法和休哈特型控制图的监控方案，利用EM算法推导最大似然估计并通过仿真和医疗实例验证其检测失控信号的有效性。
2023-09-21 stat.ME
Optimal subsampling for the Cox proportional hazards model with massive survival data
在生存分析中，大量生存数据的使用已变得普遍。针对协变量为时间相关的考克斯比例风险模型，在样本量非常大但计算资源相对有限的情况下，提出了一种二次抽样算法.子样本估计是通过最大化加权偏似然，它被证明具有一致性和渐近正态性。通过最小化子样估计量的渐近均方误差，给出了最优子样概率的显式表达式。仿真研究表明，该方法可以令人满意地近似估计的全部数据集。然后将所提出的方法应用于企业贷款和乳腺癌数据集，具有不同的删失率，结果证实了其实际优势。
2023-02-05 stat.CO
TwinKernel Estimation for Point Process Intensity Functions: Adaptive Nonparametric Methods via Orbital Regularity
本文提出双核估计方法，通过轨道正则性适应强度函数的自适应非参数估计，实现最优收敛速率和边界偏差校正。
2025-12-10 math.ST stat.TH
On Generalized Progressive Hybrid Censoring in presence of competing risks
由Kundu和Joarder（\textit{Computational Statistics and Data Analysis}，2509-2528，2006）引入的渐进式II型混合删失方案在过去几年中受到了一些关注。这种删失方案的一个主要缺点是在实验结束时可能观察到很少的观察结果（甚至根本没有观察结果）。为了克服这个问题，Cho，Sun和Lee（\textit{Statistical Methodology}，23，18-34，2015）最近引入了广义渐进删失，其确保获得预先指定的故障数量。本文分析了存在竞争风险的广义逐步截尾数据。为了简洁起见，我们只考虑了两个竞争失效原因，并假设竞争失效原因的寿命服从具有不同尺度参数的单参数指数分布。我们得到了未知参数的极大似然估计，并给出了它们的精确分布。基于极大似然估计量的精确分布，可以得到精确的置信区间。还提供了渐近和bootstrap置信区间，用于比较。我们进一步考虑贝叶斯分析的未知参数下一个非常灵活的Beta-Gamma先验。基于上述先验知识，我们给出了未知参数的贝叶斯估计及其相关的可信区间。我们提出了广泛的模拟结果，看看所提出的方法的有效性，最后一个真实的数据集进行了分析说明。
2017-03-03 stat.AP
When does conformal calibration need censoring weights? Cause-of-failure prediction sets under competing risks
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Northumbria University（诺森比亚大学）
本文研究竞争风险下共形预测集的校准问题，发现完全案例校准可能偏离名义覆盖率，而正确指定删失模型的权重可恢复覆盖率，并给出有限样本下界。
2026-10-07 stat.ME stat.ML
Copula-based Semiparametric Regression Method for Bivariate Data under General Interval Censoring
这项研究的动机是发现和支持双侧眼病进展的遗传原因，黄斑相关性黄斑变性（AMD），其主要结局（进展至晚期AMD的时间）是双变量的，并且由于间歇性评估时间而间隔删失。本文提出了一类新的基于Copula函数的一般区间删失双变量数据的半参数变换模型，包括区间删失情形1（当前状态数据）和区间删失情形2.具体地说，联合似然建模通过两个参数阿基米德copula，它可以灵活地表征在两个尾部的两个边缘之间的依赖性。边缘分布是通过半参数转换模型使用筛子，与比例风险或赔率模型是一个特殊的情况。我们开发了一个计算效率高的筛极大似然估计程序的未知参数，以及一个广义得分测试的回归参数（S）。对于有限维参数的筛估计，我们建立了它们的渐近正态性和有效性。进行了大量的模拟，以评估所提出的方法在有限样本的性能。最后，我们将我们的方法应用于使用AMD相关眼病研究（AREDS）数据的AMD进展的全基因组分析，以成功识别与疾病进展相关的新风险变体。我们还为具有不同遗传特征的患者预测了联合和条件性无进展概率。
2019-08-20 stat.ME
On the Discrete Cramér-von Mises Statistics under Random Censorship
在这项工作中，引入非参数对数秩型统计检验，以验证纯离散变量的均匀性，任意右删失无穷多个类别。特别地，建立了删失情形下离散模型的Cramér-vonMises检验统计量.为了引入检验，我们在一般的多元离散设置中发展了加权对数秩统计量，它补充了Gill（1980）和Andersen等人（1982）以前的基本结果。由于在无界范畴集上存在持续跳跃，检验的渐近分布不是分布自由的。一个大类的加权过程的统计检验被描述为一个加权系列的独立卡方变量的权重可以一致估计和相关的限制协方差算子可以是无限维的。该测试是一致的任何备择假设，特别是，它允许我们处理交叉风险函数。我们还提供了一个模拟研究，以说明理论结果。
2012-01-11 math.PR math.ST stat.TH
Nonparametric generalized fiducial inference for survival functions under censoring
信念推断是费雪在20世纪30年代提出的一个有着悠久历史的理论，它有时会引起激烈的争论。然而，它的应用主要局限于相对简单的参数问题。在本文中，我们提出了可能是第一次的信念推断，由Hannig等人推广。（2016），系统地应用于右删失下的非参数生存函数的估计。我们发现，由此产生的信念分布产生了令人惊讶的良好的统计程序适用于一个样本和两个样本的问题。特别是，我们使用的生存函数的信念分布构造逐点和曲线置信区间的生存函数，并提出了基于曲线置信区间的测试。我们建立了一个功能性的Bernstein-von Mises定理，并在不同水平的删失情况下进行了全面的模拟研究。建议的基于基准的置信区间保持覆盖的情况下，渐近方法往往有很大的覆盖问题。此外，所提出的置信区间的平均长度通常短于保持覆盖率的竞争方法的长度。最后，在某些情况下，所提出的置信检验比各种类型的对数秩检验和超级对数秩检验更强大。我们说明了拟议的基准测试比较化疗与化疗联合放疗的数据，从局部不可切除的胃癌的治疗。
2018-03-24 stat.ME
A new non-parametric estimator of the cumulative distribution function under time-and random-censoring
本文针对左删失数据提出一种基于反向风险率和非参数似然的新累积分布函数估计量，并通过实际数据应用验证其有效性。
2023-07-10 math.ST stat.TH
A Nonparametric Maximum Likelihood Approach for Partially Observed Cured Data with Left Truncation and Right-Censoring
在妊娠期观察性研究的自然流产（SAB）分析中出现部分观察到的治愈数据。与传统的治愈数据不同，这类数据有一个可观察到的“治愈”部分，即妇女没有自然流产。除右删失外，数据还进行左截断，因为女性可能在妊娠期间的任何时间进入或退出研究。左截断特别地在固化部分存在的情况下导致独特的偏差。本文研究了一类治愈率模型，并提出了一种条件非参数极大似然估计方法。为了解决计算的挑战，我们采用了一个期望最大化算法，利用“鬼副本”的数据，并推导出一个封闭形式的方差估计。在适当的假设下，我们证明了所得到的估计涉及一个无界的累积基线风险函数的一致性，以及渐近正态性。仿真结果进行了评估有限样本的性能。我们提出的激励SAB研究的分析，以说明我们的模型解决SAB的发生和时间的权力，在实践中现有的方法相比。
2016-08-31 stat.ME
Nonparametric regression with filtered data
我们提出了一个一般原则，估计一个回归函数非参数，允许各种各样的数据过滤，例如，重复左截断和右删失。平均值和中位数回归的情况下被认为是。该方法的工作原理是首先估计条件风险函数或条件生存函数，然后积分。我们还研究了改进的方法，考虑到模型结构，如独立的错误，并表明这种方法可以提高性能时，模型结构是真的。我们建立了估计量的逐点渐近正态性。
2011-02-09 math.ST stat.TH
A New Decision Theoretic Sampling Plan for Exponential Distribution under Type-I Censoring
针对I型截尾指数分布，提出了一种新的决策理论抽样方案（DSP）。建议的DSP是基于一个新的估计的预期寿命的指数分布总是存在的，不同于通常的最大似然估计。DSP是对\cite{Lam:1994}的贝叶斯变量抽样计划的修改。最佳DSP的意义上，它最大限度地减少了贝叶斯风险。在贝叶斯风险方面，它比Lam的抽样计划表现得更好，其性能与\cite{LLH:2002}的贝叶斯抽样计划一样好，尽管DSP的实现非常简单。从分析上讲，它比\cite{LLH:2002}的贝叶斯抽样方案更易处理，并且它也可以很容易地推广到任何其他损失函数。给出了求解最优方案的有限算法，并计算了相应的最小贝叶斯风险。与\cite{LLH:2002}提出的最优贝叶斯抽样方案进行了广泛的数值比较。将所得结果推广到三次多项式损失函数和Type-I混合截尾情形。
2018-06-02 math.ST stat.AP stat.TH
Strong Asymptotic Properties of Kernel Smoothing Estimation for NA Random Variables with Right Censoring
大多数负相关（NA）随机变量的研究都考虑了完全数据的情况，这实际上是一个相对理想的条件。本文将这一条件放宽到不完全数据的情形，考虑了基于Kaplan-Meier估计的右删失情形下的核平滑密度估计和风险函数估计。我们建立了这两个估计的强渐近性质，以评估其渐近行为，并证明其实际应用。
2023-02-01 math.ST stat.TH
Age-Specific Logistic Regression with Complex Event Time Data
本文提出两种基于估计函数的方法，用于特定年龄的逻辑回归，以评估和预测儿童癌症幸存者患卵巢早衰风险，通过逆概率删失加权策略提高估计一致性。
2026-03-29 stat.AP stat.ME
Efficient and Debiased Learning of Average Hazard Under Non-Proportional Hazards
Dana-Farber Cancer Institute（达纳法伯癌症研究所）；Stanford University（斯坦福大学）；Harvard Medical School（哈佛医学院）
本文提出了一种半参数双重鲁棒框架，用于高效且去偏地估计非比例危害下的平均危害，解决了传统方法在高维干扰估计和sqrt{n}推断中的不足。
2026-02-13 stat.AP stat.ME stat.ML
Hazard-Based Targeted Maximum Likelihood Estimation for Survival in Resampling Designs
针对重抽样设计下HIV生存估计易受失访偏差影响、现有加权KM方法未利用协变量的问题，提出两种靶向极大似然估计量，模拟显示其方差最高降低55%且覆盖率达标，提升了估计效率与鲁棒性。
2025-11-19 stat.ME
On inference in parametric survival data models
University of Oslo（奥斯陆大学）；Norwegian Computing Centre（挪威计算中心）
研究参数生存数据模型中最大似然估计及其他估计量在真危险率与参数危险率不同时的估计问题，探讨模型外情形下的极限分布、模型鲁棒性及模型无关视角的影响。
2026-03-23 stat.ME
Improved Precision in the Analysis of Randomized Trials with Survival Outcomes, without Assuming Proportional Hazards
我们提出了一个新的估计的限制平均生存时间的随机试验中，有正确的删失，可能取决于治疗和基线变量。建议的估计量利用预后基线变量，以获得相等或更好的渐近精度相比，传统的估计。在治疗和基线变量分层内的规律性条件和随机删失下，建议的估计量具有以下特征：（i）在违反比例风险假设的情况下可解释;（ii）在独立删失下，它是一致的，至少与Kaplan-Meier估计量一样精确;（iii）在违反独立审查的情况下保持一致（与Kaplan-Meier估计量不同）当截尾或生存分布被一致估计时;和（iv）当这两个分布一致估计时，它达到非参数效率界。我们说明了我们的方法使用模拟的基础上，从一个完整的，3期随机临床试验的一种新的手术治疗中风的恢复数据的性能，提出的估计实现了12%的增益相比，在相对效率的Kaplan-Meier估计。所提出的估计量与现有的随机试验方法相比具有潜在的优势，因为现有的方法要么依赖于在许多应用中站不住脚的模型假设，要么缺乏一些效率和一致性属性（i）-（iv）。我们专注于估计的限制平均生存时间，但我们的方法可以适用于估计任何治疗效果的措施，定义为一个平滑的对比生存曲线之间的每个研究arm. We提供R代码来实现估计。
2016-08-19 math.ST stat.ME stat.TH
Estimation of the complier causal hazard ratio under dependent censoring
本文研究相依删失下内生二元处理对持续期结果的因果效应，利用二元工具变量并通过 copula 建模删失依赖关系，提出基于加权最大似然的两步估计法以估计依从者因果风险比（CCHR）。
2025-04-02 econ.EM math.ST stat.ME
Generalized inverse xgamma distribution: A non-monotone hazard rate model
在这篇文章中，广义逆xgamma分布（GIXGD）已被引入作为逆xgamma分布的广义版本。该模型具有非单调风险率模式，属于正偏态模型族。导出了矩、逆矩、条件矩、平均离差、分位数函数等分布性质的显式表达式。极大似然估计程序已被用来估计未知的模型参数以及生存特性的GIXGD。通过豚鼠的生存数据说明了该模型的实用性。
2018-11-03 stat.AP stat.ME
Bootstrap-Aggregated Method-of-Moments Estimation of the Copula Correlation Parameter for Marginal Survival Inference under Dependent Censoring
Yonsei University（延世大学）
本文提出一种基于bootstrap的矩估计法，用于估计在依赖性删失情况下生存边缘推断中的copula相关参数，通过模拟退火算法进行bootstrap聚合以获得稳定估计，验证了方法在临床试验中的有效性。
2026-04-05 stat.AP stat.ME
Penalised maximum likelihood estimation in multistate models for interval-censored data
多状态模型可以用来描述随着时间的推移跨状态的转换。在过渡的区间删失时间的存在下，使用转移概率构造似然。使用转换的比例风险模型指定模型。时间依赖性通常由参数模型定义，这可能限制太多。样条非参数危险规范允许灵活的时间依赖性建模，而无需进行强有力的模型假设。惩罚极大似然被用来估计模型。选择最佳的平滑量是具有挑战性的，因为该问题涉及多个惩罚。本文提出了一种自动有效的方法，在区间删失的情况下，用样条函数估计多状态模型。通过数据分析和仿真研究说明了该方法。
2018-01-19 stat.ME
Generalized Linear Models with 1-Bit Measurements: Asymptotics of the Maximum Likelihood Estimator
本文为1比特删失数据下的广义线性模型多参数最大似然估计建立了渐近正态性条件，推导了Fisher信息矩阵，并应用于高斯和泊松模型。
2025-02-07 cs.SY eess.AS eess.SP
Robust Tail Index Estimation under Random Censoring via Minimum Density Power Divergence
Laboratory of Applied Mathematics, Mohamed Khider University（应用数学实验室，穆罕默德·基德尔大学）
本文提出了一种在随机删失下通过最小密度幂分歧估计帕累托分布尾指数的稳健估计方法，通过蒙特卡洛模拟验证了其稳健性与效率的平衡。
2026-01-26 math.ST stat.TH
Fast approximations of pseudo-observations in the context of right-censoring and interval-censoring
在右删失和区间删失数据的背景下，我们开发渐近公式来计算伪观测的生存函数和限制平均生存时间（RMST）。这些公式是基于原始估计量，不涉及刀切估计量的计算。对于右删失数据，Kaplan-Meier估计量的Von Mises展开用于推导伪观测值。对于区间删失数据，研究了一类生存函数的参数模型。利用黑塞矩阵和分数向量导出了伪观测值的渐近表示。理论结果证明使用伪观测回归。该公式说明分段常数风险模型的RMST。所提出的近似是非常准确的，即使是小的样本量，如蒙特卡洛模拟和真实数据所示。我们还研究了计算时间方面的增益，与原始的折刀方法相比，这对于大数据集来说可能是很大的。
2023-02-06 math.ST stat.TH
Semi-parametric estimation of the hazard function in a model with covariate measurement error
我们考虑一个模型的故障风险函数，条件上的协变量$Z$是由$R(t,θ^0|Z)=η\_{γ^0}(t)f\_{β^0}(Z)$，与$θ^0=(β^0,γ^0)^\top\in \mathbb{R}^{m+p}$。基线危险度函数$η\_{γ^0}$和相对危险度$f\_{β^0}$均属于参数族。通过误差模型$U=Z+ε$测量协变量$Z$，其中$ε$独立于$Z$，密度已知$f\_ε$。我们观察$n$样本$(X\_i, D\_i, U\_i)$、$i=1,...,n$，其中$X\_i$是故障时间和删失时间之间的最小值，$D\_i$是删失指标。我们的目的是估计$θ^0$在存在的未知密度$g$。我们的估计程序的基础上最小二乘准则提供了两个估计。第一个最小化最小二乘准则的估计，其中$g$估计密度反卷积。其速率取决于作为$z$的函数的$f\_ε$和$f\_β(z)$的平滑度。我们得到了保证$\sqrt{n}$ -一致性的充分条件。第二个估计量的条件下，确保最小二乘准则可以直接估计的参数率。这些估计，深入研究，通过例子，特别是$\sqrt{n}$ -一致的和渐近高斯的Cox模型和超额风险模型，无论是$f\_ε$。
2006-06-08 math.ST stat.TH
Interval Estimation of the Common Shape Parameter and Coefficient of Variation of Several Weibull Populations under Progressive Censoring
National Institute of Technology Meghalaya（梅加拉亚邦国家技术学院）
本文针对逐步II型删失下多个Weibull总体的公共形状参数与变异系数，采用多种统计方法开展区间估计比较研究，提出最优删失方案，经模拟与实例验证推荐贝叶斯及方差估计恢复类区间估计方法。
2026-08-17 stat.ME
Replica analysis of overfitting in regression models for time to event data: the impact of censoring
本文利用副本方法研究删失对Cox比例风险模型过拟合的影响，提出一种无需知道数据生成分布即可自洽校正最大似然估计偏差的新算法，并通过数值模拟验证其有效性。
2023-12-05 cond-mat.dis-nn math.ST stat.ME
Multiscale Bayesian Survival Analysis
我们考虑贝叶斯非参数推断的右删失生存模型，其中建模是在风险率的水平。我们推导出后验极限分布的线性泛函的危害，然后为“许多”泛函同时在适当的多尺度空间。作为一个应用程序，我们推导出Bernstein-von Mises定理的累积风险和生存函数，这导致这些数量的渐近有效的置信带。此外，我们展示了最佳后验收缩率的上确界范数的危险。在医学研究中，一种流行的方法是先验地将危险建模为具有可能相关高度的随机直方图。这类和更一般的任意光滑的先验分布被认为是我们的理论的应用。为可能相关的直方图后验提供了采样器。它的有限样本性质进行了研究模拟和真实数据实验。
2021-05-31 math.ST stat.TH
Optimum Multiple Sampling Plan Based on the Process Capability Index $C_{py}$ Under Type-II Hybrid Censoring
Indian Institute of Technology Patna（印度理工学院巴特那分校）；Indian Institute of Technology Mandi（印度理工学院曼迪分校）；Indian Statistical Institute（印度统计研究所）
研究基于广义过程能力指数\(C_{py}\)，在II型混合截尾方案下提出阶段独立多重抽样计划（SIMSP），通过消除抽样阶段依赖提高检验效率，经约束优化确定最优设计，数值研究表明其经济高效且可行。
2026-07-28 math.OC stat.AP
Estimating conditional hazard functions and densities with the highly-adaptive lasso
针对多元càdlàg函数类上的条件风险函数与密度估计问题，提出基于数据自适应筛的高度自适应套索估计量，证明其收敛速度与定义明确时的经验风险最小化器相当，且基函数数量更少，还拓展至右删失数据场景与新的条件密度估计。
2024-04-17 math.ST stat.TH
Hybrid Bayesian Estimation in the additive hazards model
针对右删失数据下的半参数加性风险模型，提出一种结合Lin-Ying估计方程的混合贝叶斯估计方法，获得闭式后验估计量，并通过模拟和Nickels矿工数据集验证。
2025-05-27 math.ST stat.ME stat.TH
Additive Bayesian variable selection under censoring and misspecification
我们讨论了在右删失生存和凹对数似然回归的背景下，误设和删失对贝叶斯模型选择的作用。错误说明包括错误地假设审查机制是没有信息的。重点放在添加剂加速失效时间，Cox比例风险和概率单位模型。我们提供了一个理论上的治疗，包括本地和非本地的先验，和一般的非线性效果分解，以提高功率稀疏性权衡。我们讨论一个基本的问题：当（不可避免地）模型被错误指定时，人们希望得到什么样的解决方案，以及如何解释它？渐近地，在减少可能性相关损失的意义上，对于结局和（对于生存数据）删失时间都没有预测能力的协变量被丢弃。错误指定和删失对假阳性的影响可以忽略不计，但它们对功效的影响是指数级的。我们表明，它可以是有利的，考虑简单的模型，计算上的实用性，但达到良好的功率来检测潜在的复杂的影响，包括使用有限维的基础来检测真正的非参数效应。我们还讨论了算法，以利用充分统计量和快速似然近似高斯为基础的生存和二元模型。
2021-11-12 math.ST stat.AP stat.CO
Surrogate-powered Causal Inference with Censored Outcomes
Cornell University（康奈尔大学）
针对生存数据删失导致的信息丢失，提出利用治疗后疾病史的目标保持估计器，通过影响函数和增益恒等式提升因果效应估计效率，并验证于乳腺癌数据。
2026-10-06 econ.EM math.ST stat.ME
Modified Cox regression with current status data
在生存分析中，并不总是观察到研究寿命。在某些应用中，对于某些个体，寿命的值仅已知小于或大于某个随机持续时间。这个框架代表了标准情况的扩展，在这种情况下，生命周期只被随机左删失或右删失。我们考虑的情况下，独立的观察单位也包括一些协变量，我们提出了两个半参数回归模型。新的模型扩展了标准的Cox比例风险模型的情况下，一个更复杂的审查机制。然而，与Cox模型一样，在这两种模型中，非参数基线风险函数仍然可以表示为观察值分布的显式函数。这允许将有限维参数的估计量定义为似然型准则的最大值，该准则是数据的显式函数。给定有限维参数的估计，基线累积风险函数的估计是直接的。
2020-02-24 math.ST stat.TH
Inference via Wild Bootstrap and Multiple Imputation under Fine-Gray Models with Incomplete Data
本文针对不完全数据下的Fine-Gray竞争风险模型，提出利用多重插补将删失完全情形下的wild bootstrap推断方法推广到一般右删失数据，并通过模拟研究和医院感染数据应用验证了方法的有效性。
2023-10-27 math.ST stat.ME stat.TH
Long-Term Tail Modeling in Survival Analysis via Extended Generalized Pareto Distributions
Universidade de São Paulo（圣保罗大学）；Faculdade de Ciências, Universidade de Lisboa（里斯本大学理学院）
本研究提出扩展广义帕累托模型用于右删失生存数据的尾部推断与长期外推，比较三种扰动设定，发现Beta模型在尾部指数估计上最优，直方图估计器在低删失下尺度估计最佳，且拟合相似时外推结果可能差异显著。
2026-09-24 math.ST stat.AP stat.ME
Robust and Efficient Estimation in the Parametric Cox Regression Model under Random Censoring
Cox比例风险回归模型是分析截尾寿命变量与其他相关因素之间关系的常用工具。半参数Cox模型被广泛用于研究来自医学、生物学、可靠性研究等应用学科的不同类型的数据。如果适当指定，Cox回归模型的全参数版本可以产生更有效的参数估计，从而产生更好的洞察力。然而，现有的极大似然方法产生的推断下的全参数Cox回归模型是非常不稳健的数据污染，限制了它的实际应用。本文基于最小密度幂散度方法，给出了参数Cox回归模型的一种稳健估计方法。建议的最小密度功率发散估计被认为是产生高度稳健的估计数据污染下，只有轻微的损失，纯数据下的效率。此外，它们总是被认为比半参数Cox模型或其现有稳健版本下的基于似然的估计产生更精确的推断。我们还勾画了推导的渐近性质的估计，使用鞅的方法，并证明其鲁棒性理论上通过影响函数分析。通过仿真和一个实际数据例子说明了该建议的实用性和有效性。
2018-10-06 math.ST stat.ME stat.TH
Nonparametric Drift Estimation for Multidimensional Stochastic Differential Equations under Censoring
Laboratoire Modal’X, Université Paris Nanterre（巴黎楠泰尔大学 Modal’X 实验室）；Laboratoire MAP5, Université Paris Cité（巴黎西岱大学 MAP5 实验室）
研究删失下多维随机微分方程的漂移估计问题，通过构建Nadaraya-Watson型漂移估计器及数据驱动带宽选择规则来进行估计，还推导了最优不等式和极小极大下界。
2026-07-28 math.ST stat.TH
HSCI: Neyman-Orthogonal Causal Inference under High-Dimensional Proportional Hazards
University of Southern California（南加州大学）；The University of Tennessee Knoxville（田纳西大学诺克斯维尔分校）；California State University Fullerton（加州州立大学富勒顿分校）
针对生存研究中高维协变量混杂下的处理效应推断问题，提出基于Neyman近正交得分的高维生存因果推断框架，实现根n渐近正态性和一致方差估计，显著降低偏差。
2026-06-15 math.ST stat.ME stat.TH
