Key points are not available for this paper at this time.
Resumo Apresentamos um algoritmo híbrido para estimativa de máxima verossimilhança não paramétrica a partir de dados censurados quando a log-verossimilhança é côncava. O algoritmo híbrido utiliza um mapeamento algorítmico composto combinando o algoritmo de expectativa-maximização (EM) e o algoritmo (modificado) de menor convexo iterativo (ICM). A convergência global do algoritmo híbrido é provada; os iterações geradas pelo algoritmo híbrido demonstram convergir para o estimador de máxima verossimilhança não paramétrica (NPMLE) de forma inequívoca. Simulações numéricas demonstram que o algoritmo híbrido converge mais rapidamente do que tanto o EM quanto o algoritmo ingênuo ICM para dados duplamente censurados. A rapidez do algoritmo híbrido torna possível acompanhar o NPMLE com bandas de confiança bootstrap.
Wellner et al. (Mon,) estudaram essa questão.