«survival» etiketlenmiş sorular

Hayatta kalma analizi olay verisi zamanını, tipik olarak ölüm veya başarısızlık zamanını modeller. Sansürlü veriler, sağkalım analizleri için yaygın bir sorundur.

8
Mevcut bir değişken (ler) ile tanımlanmış bir korelasyon ile rastgele bir değişken oluşturun
Bir simülasyon çalışması için, mevcut bir değişkenine önceden tanımlanmış (popülasyon) bir korelasyon gösteren rastgele değişkenler oluşturmalıyım .YYY RPaketlere baktım copulave CDVinebelirli bir bağımlılık yapısına sahip rastgele çok değişkenli dağılımlar üretebiliyorum. Bununla birlikte, ortaya çıkan değişkenlerden birini mevcut bir değişkene sabitlemek mümkün değildir. Herhangi bir fikir ve mevcut fonksiyonlara bağlantılar takdir …



5
Cox regresyonda tahmin
Çok değişkenli Cox regresyon yapıyorum, önemli bağımsız değişkenlerim ve beta değerlerim var. Model verilerime çok iyi uyuyor. Şimdi, modelimi kullanmak ve yeni bir gözlemin hayatta kalmasını tahmin etmek istiyorum. Cox modeliyle bunun nasıl yapılacağı konusunda net değilim. Doğrusal veya lojistik bir regresyonda, kolay olacaktır, sadece yeni gözlemin değerlerini regresyona koyun …

10
Hayatta kalma sürelerinin neden katlanarak dağıtıldığı varsayılmaktadır?
UCLA IDRE'deki bu yazıdan sağkalım analizini öğreniyorum ve bölüm 1.2.1 'de tetiklendi. Öğretici diyor ki: ... hayatta kalma sürelerinin katlanarak dağıtıldığı biliniyorsa , hayatta kalma süresini gözlemleme olasılığı ... Hayatta kalma sürelerinin neden katlanarak dağıtıldığı varsayılmaktadır? Bana çok doğal geliyor. Neden normal olarak dağıtılmıyor? Diyelim ki bazı canlıların yaşam koşullarını …


3
Verilerim hangi dağıtımı takip ediyor?
Diyelim ki 1000 bileşenim olduğunu ve bu girişlerin kaç kez başarısız olduğunu ve her girişimde hata verdiğine dair veri topladığımı varsayalım, ayrıca ekibimin sorunu çözmesinin ne kadar sürdüğünü de izliyorum. Kısacası, bu 1000 bileşenin her biri için onarım süresini (saniye olarak) kaydediyorum. Veriler bu sorunun sonunda verilmiştir. Tüm bu değerleri …

5
Makine öğrenmesinde hiyerarşik / iç içe geçmiş verilerle nasıl baş edilir
Sorunumu bir örnekle açıklayacağım. Bazı nitelikler verilen bir bireyin gelirini tahmin etmek istediğinizi varsayalım: {Yaş, Cinsiyet, Ülke, Bölge, Şehir}. Bunun gibi bir eğitim veri setine sahipsiniz train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

1
Serbestlik dereceleri tam sayı olmayan bir sayı olabilir mi?
GAM kullandığımda, artık DF (kodun son satırı) olduğunu gösteriyor. Bu ne anlama geliyor? GAM örneğinin ötesine geçmek, Genel olarak, serbestlik derecelerinin sayısı tam sayı olmayan bir sayı olabilir mi?26,626,626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 …
27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

2
Hayatta kalma analizinde neden tamamen parametrik modeller yerine yarı parametrik modeller (Cox orantılı tehlikeler) kullanıyoruz?
Bu soru Matematiksel Yığın Değişim Borsası'ndan taşındı , çünkü Çapraz Doğrulama'da yanıtlanabiliyordu. 6 yıl önce göç etmiş . Cox Orantısal Tehlikeler modelini inceledim ve bu soru çoğu metinde açıklandı. Cox, kısmi bir olabilirlik yöntemi kullanarak Tehlike fonksiyonunun katsayılarının kullanılmasını önerdi, ancak neden maksimum olasılık yöntemini ve doğrusal bir modeli kullanarak …


4
Uç durumlarda hassaslık ve geri çağırma için doğru değerler nelerdir?
Hassasiyet şu şekilde tanımlanır: p = true positives / (true positives + false positives) Gibi, bu doğru mu true positivesve false positiveshassas 1 yaklaşır yaklaşım 0? Hatırlama için aynı soru: r = true positives / (true positives + false negatives) Şu anda bu değerleri hesaplamam gereken bir istatistiksel test uyguluyorum …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

4
Hayatta kalma analizi: sürekli ve ayrık zamanlı
Hayatta kalma analizinde zamanın sürekli mi yoksa ayrık mı olacağına nasıl karar vereceğim konusunda kafam karıştı. Özellikle, erkeklerin kız çocuklarının hayatta kalmasına (5 yaşına kadar) etkileri konusunda en büyük tutarsızlığa sahip çocuk ve ev düzeyinde değişkenleri belirlemek için hayatta kalma analizini kullanmak istiyorum. Çocuğun yaşayıp yaşamadığını, ölüm yaşını (ay cinsinden) …
20 survival  ties 

2
“Nedir
Nedir R bir coxph modelinin özetinde verilen değeri? Örneğin,R2R2R^2 Rsquare= 0.186 (max possible= 0.991 ) Aptalca bir değeri olarak bir el yazması ekledim ve gözden geçiren R 2'nin bir analogunun farkında olmadığını söyleyerek üzerine atladı.R2R2R^2R2R2R^2 , Cox modeli için geliştirilen klasik lineer regresyondan istatistiğinin ve eğer varsa lütfen referans. Herhangi …


Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.