Canadian Journal of Statistics

An empirical saddlepoint approximation based method for smoothing survival functions under right censoring

Journal Article

  • Author(s): Pratheepa Jeganathan, Noroharivelo V. Randrianampy, Robert L. Paige, A. Alexandre Trindade
  • Article first published online: 25 Mar 2019
  • DOI: 10.1002/cjs.11491
  • Read on Online Library
  • Subscribe to Journal

Résumé L'estimateur de Kaplan‐Meier (KM) est omniprésent lorsqu'il est question d'estimer des fonctions de survie, mais il offre seulement une approximation discrète des temps d'observation et ne répond pas aux caractéristiques d'une distribution lorsque la plus grande observation est censurée. En utilisant KM comme point de départ, les auteurs élaborent une méthode empirique basée sur une approximation en point de selle afin de produire une fonction de survie lisse qui n'est pas alourdie par le choix de paramètres de réglage. Leur solution consiste à inverser la fonctione génératrice des moments (FGM) définie par une intégrale de Riemann‐Stieltjes évaluée par rapport à une mesure de probabilité sous‐jacente composée d'un mélange de la fonction de masse discrète de KM et d'une complétion exponentielle absolument continue pour l'aile de droite. Les auteurs établissent des résultats de convergence faible et forte, ainsi que la convergence uniforme de la FGM et de ses dérivées, validant ainsi leur utilisation pour les calculs de point de selle. Ils obtiennent également des résultats asymptotiques pertinents pour les estimés de la densité et de la fonction de répartition. Ils présentent des études de simulation qui montrent que la performance des approximations de survie proposées se comparent favorablement à la méthode du logspline de Kooperberg et Stone (1992) dans le cadre de petits échantillons. Finalement, les auteurs soutiennent que leur méthode n'a aucun concurrent immédiat pour lisser des fonctions de survie, et ils l'illustrent en l'appliquant à de nombreux jeux de données réelles. La revue canadienne de statistique 47: 238–261; 2019 © 2019 Société statistique du Canada

Related Topics

Related Publications

Related Content

Site Footer

Address:

This website is provided by John Wiley & Sons Limited, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ (Company No: 00641132, VAT No: 376766987)

Published features on StatisticsViews.com are checked for statistical accuracy by a panel from the European Network for Business and Industrial Statistics (ENBIS)   to whom Wiley and StatisticsViews.com express their gratitude. This panel are: Ron Kenett, David Steinberg, Shirley Coleman, Irena Ograjenšek, Fabrizio Ruggeri, Rainer Göb, Philippe Castagliola, Xavier Tort-Martorell, Bart De Ketelaere, Antonio Pievatolo, Martina Vandebroek, Lance Mitchell, Gilbert Saporta, Helmut Waldl and Stelios Psarakis.