वेटेड कपलान-मेयर सांख्यिकी: सेंसरयुक्त जीवित डेटा के लिए दूरी परीक्षणों का एक वर्ग

कपलान-मेयर अनुमानकों में एकीकृत वेटेड अंतर पर आधारित सांख्यिकी का एक वर्ग दो-नमूना सेंसरयुक्त डेटा समस्या के लिए प्रस्तुत किया गया है। सकारात्मक वजन कार्यों के साथ ये सांख्यिकी विकल्पीय स्टोकास्टिक ऑर्डरिंग के खिलाफ सहज और संवेदनशील हैं। मानक वेटेड लॉग-रैंक सांख्यिकी हमेशा इस विकल्प के खिलाफ संवेदनशील नहीं होते, विशेष रूप से यदि जोखिम कार्य पार करते हैं। वेटेड लॉग-रैंक सांख्यिकी और इन वेटेड कपलान-मेयर (डब्ल्यूकेएम) सांख्यिकी के बीच गुणात्मक तुलना की जाती है। शून्य आसिम्पोटिक वितरण सिद्धांत का एक वक्तव्य दिया गया है और वजन कार्य के चुनाव पर कुछ विस्तार से चर्चा की गई है। छोटे नमूना सिमुलेशन अध्ययनों के परिणाम बताते हैं कि ये सांख्यिकी लॉग-रैंक प्रक्रिया की तुलना में सकारात्मक तरीके से तुलना करती हैं, यहां तक कि अनुपातात्मक जोखिम विकल्प के तहत, और पारस्परिक जोखिम विकल्प के तहत इससे बेहतर प्रदर्शन कर सकती हैं।