Вопросы с тегом «hazard»

Уровень опасности - это мгновенная скорость, с которой единицы, выжившие до момента времени умирают в момент . Коэффициент опасности - это соотношение двух указанных опасностей. tt

1
Исходная опасность Кокса
Допустим, у меня есть набор данных «почечный катетер». Я пытаюсь смоделировать кривую выживания, используя модель Кокса. Если я рассматриваю модель Кокса: мне нужна оценка базовой опасности. Используя встроенную функцию пакета R , я легко могу сделать это так:ч (t,Z) =h0exp(b'Z) ,h(T,Z)знак равночас0ехр⁡(б'Z),h(t,Z) = h_0 \exp(b'Z),survivalbasehaz() library(survival) data(kidney) fit <- coxph(Surv(time, …
19 r  cox-model  hazard 

1
Основные вопросы об анализе выживания в дискретном времени
Я пытаюсь провести анализ выживания с дискретным временем, используя модель логистической регрессии, и я не уверен, что полностью понимаю процесс. Я был бы очень признателен за помощь с несколькими основными вопросами. Вот установка: Я смотрю на членство в группе в течение пятилетнего периода времени. Каждый участник имеет ежемесячную запись членства …

2
Как интерпретировать Exp (B) в регрессии Кокса?
Я студент-медик, пытаюсь понять статистику (!) - так что будьте осторожны! ;) Я пишу эссе, содержащее достаточное количество статистического анализа, включая анализ выживания (Kaplan-Meier, Log-Rank и регрессия Кокса). Я провел регрессию Кокса на моих данных, пытаясь выяснить, могу ли я найти значительную разницу между смертями пациентов в двух группах (пациенты …

4
Каковы плюсы и минусы использования логранка и метода Мантеля-Хензеля для вычисления коэффициента опасности в анализе выживания?
Одним из способов суммировать сравнение двух кривых выживаемости является вычисление коэффициента опасности (ЧСС). Есть (как минимум) два метода для вычисления этого значения. Метод Логранка. Как часть вычислений Каплана-Мейера, вычислите число наблюдаемых событий (обычно смертей) в каждой группе ( O aОaOa и ) и количество ожидаемых событий, предполагая нулевую гипотезу об …
17 survival  hazard 

4
Интуиция для функции кумулятивного риска (анализ выживания)
Я пытаюсь получить интуицию для каждой из основных функций в актуарной науке (специально для модели пропорциональных рисков Кокса). Вот что у меня так далеко: f(x)f(x)f(x) : начиная с момента начала, распределение вероятностей, когда вы умрете. F(x)F(x)F(x) : только совокупное распределение. В момент времени , какой процент населения погибнет?TTT S(x)S(x)S(x) :1−F(x)1−F(x)1-F(x) …

3
Интуиция за уровнем опасности
Меня смущает уравнение, которое служит определением степени опасности. Я понимаю, что такое уровень опасности, но я просто не понимаю, как уравнение выражает эту интуицию. Если xxx - случайная величина, которая представляет момент времени смерти кого-либо на интервале времени [0,T][0,T][0,T] . Тогда уровень опасности: h(x)=f(x)1−F(x)h(x)=f(x)1−F(x)h(x)=\frac{f(x)}{1-F(x)} Там , где F(x)F(x)F(x) не представляет …

1
Можно ли перевести соотношение рисков в медианы времени выживания?
В одной статье, описывающей результаты анализа выживаемости, я прочитал утверждение, которое подразумевает, что можно перевести отношение рисков (HR) в отношение средних времен выживания ( и ), используя формулу:М 2M1M1M_1M2M2M_2 ЧАСR = M1M2ЧАСрзнак равноM1M2HR = \frac{M_1}{M_2} Я уверен, что это не имеет места, когда нельзя принять пропорциональную модель риска (поскольку ничто …
15 survival  hazard 

3
Какие варианты в модели пропорциональной регрессии рисков, когда остатки Шенфельда не хороши?
Я делаю пропорциональную регрессию рисков Кокса в R, используя coxphмножество переменных. Остатки Мартингейла выглядят великолепно, а остатки Шенфельда отлично подходят для ПОЧТИ всех переменных. Есть три переменные, чьи остатки Шенфельда не плоские, и природа переменных такова, что имеет смысл, что они могут изменяться со временем. Это переменные, которые меня не …

1
Разница между средним и предельным эффектом лечения
Я читал некоторые статьи, и мне неясно, каковы конкретные определения среднего эффекта лечения (ATE) и предельного эффекта лечения (MTE). Они одинаковы? По словам Остина ... Условный эффект - это средний эффект перемещения объекта от необработанного к леченному на уровне субъекта. Коэффициент регрессии для переменной индикатора назначения лечения из модели многомерной …

1
Каковы различия между анализом выживаемости и регрессией Пуассона?
Я работаю над классической проблемой прогнозирования оттока, используя количество посещений сайта данным пользователем, и я подумал, что регрессия Пуассона была подходящим инструментом для моделирования будущего вовлечения этого пользователя. Когда я наткнулся на книгу об анализе выживания и моделировании рисков, я не знаю, какая техника лучше. Я не хочу исследовать обе …

2
Как рассчитать прогнозируемые уровни опасности по модели Кокса PH?
У меня есть следующая модель Кокса PH: (Время, Событие) ~ X + Y + Z Я хотел бы получить оценки опасности скорости (я говорю о скоростях опасности НЕ опасности коэффициентов) даны конкретные значения X, Y, Z. Я знаю, что пакет muhaz R может рассчитывать наблюдаемые уровни опасности, но мне интересна …
11 r  survival  hazard  cox-model 

3
Как интерпретировать отношение рисков по непрерывной переменной - единице разницы?
Я читаю статью, в которой показаны коэффициенты опасности для непрерывных переменных, но я не уверен, как интерпретировать данные значения. Мое текущее понимание коэффициентов опасности состоит в том, что число представляет относительную вероятность [события] при определенном условии. Например: если отношение риска смерти от рака легких при курении (бинарное событие) равно 2, …

2
Есть ли функциональная разница между соотношением шансов и коэффициентом опасности?
В логистической регрессии отношение шансов 2 означает, что событие в 2 раза более вероятно, учитывая увеличение на одну единицу предиктора. В регрессии Кокса коэффициент опасности 2 означает, что событие будет происходить в два раза чаще в каждый момент времени с учетом увеличения предиктора на одну единицу. Разве это не одно …

1
R линейная регрессия категориальной переменной «скрытое» значение
Это всего лишь пример, с которым я сталкивался несколько раз, поэтому у меня нет примеров данных. Запуск модели линейной регрессии в R: a.lm = lm(Y ~ x1 + x2) x1является непрерывной переменной x2является категориальным и имеет три значения, например, «Низкий», «Средний» и «Высокий». Однако вывод, заданный R, будет выглядеть примерно …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

2
Рассчитать кривую ROC для данных
Итак, у меня есть 16 испытаний, в которых я пытаюсь идентифицировать человека по биометрической характеристике, используя расстояние Хэмминга. Мой порог установлен на 3,5. Мои данные ниже, и только пробная версия 1 является истинным положительным результатом: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.