Pytania otagowane jako hazard

Współczynnik hazardu to chwilowe tempo, w jakim jednostki, które przetrwały do ​​czasu umierają w . Współczynnik ryzyka to stosunek 2 określonych zagrożeń. tt

1
Zagrożenie podstawowe Coxa
Powiedzmy, że mam zestaw danych „cewnika nerkowego”. Próbuję modelować krzywą przeżycia za pomocą modelu Coxa. Jeśli wezmę pod uwagę model Coxa: potrzebuję oszacowania podstawowego zagrożenia. Korzystając z wbudowanej funkcji pakietu R , mogę łatwo to zrobić w następujący sposób:h ( t , Z) = godz0exp( b′Z) ,h(t,Z)=h0exp⁡(b′Z),h(t,Z) = h_0 \exp(b'Z),survivalbasehaz() …
20 r  cox-model  hazard 
1
Podstawowe pytania dotyczące dyskretnej analizy przeżycia czasowego
Próbuję przeprowadzić dyskretną analizę przeżycia czasowego przy użyciu modelu regresji logistycznej i nie jestem pewien, czy całkowicie rozumiem ten proces. Byłbym bardzo wdzięczny za pomoc w kilku podstawowych pytaniach. Oto konfiguracja: Patrzę na członkostwo w grupie w ciągu pięciu lat. Każdy członek ma miesięczny zapis członkostwa za każdy miesiąc, gdy …
2
Jak interpretować Exp (B) w regresji Coxa?
Jestem studentem medycyny próbującym zrozumieć statystyki (!) - więc proszę, bądź delikatny! ;) Piszę esej zawierający sporo analizy statystycznej, w tym analizy przeżycia (regresja Kaplana-Meiera, Log-Ranka i regresji Coxa). Przeprowadziłem regresję Coxa na moich danych, próbując dowiedzieć się, czy mogę znaleźć znaczącą różnicę między zgonami pacjentów w dwóch grupach (pacjenci …
4
Jakie są zalety i wady korzystania z metody logrank vs. Mantel-Haenszel do obliczania współczynnika ryzyka w analizie przeżycia?
Jednym ze sposobów podsumowania porównania dwóch krzywych przeżycia jest obliczenie współczynnika ryzyka (HR). Istnieją (co najmniej) dwie metody obliczenia tej wartości. Metoda logrank. W ramach obliczeń Kaplana-Meiera oblicz liczbę zaobserwowanych zdarzeń (zwykle zgonów) w każdej grupie ( i O b ) oraz liczbę oczekiwanych zdarzeń przy założeniu zerowej hipotezy o …
17 survival  hazard 
4
Intuicja dla skumulowanej funkcji hazardu (analiza przeżycia)
Próbuję uzyskać intuicję dla każdej z głównych funkcji w nauce aktuarialnej (szczególnie dla modelu proporcjonalnych zagrożeń Coxa). Oto co mam do tej pory: f(x)f(x)f(x) : począwszy od godziny rozpoczęcia, rozkład prawdopodobieństwa, kiedy umrzesz. F(x)F(x)F(x) : tylko rozkład skumulowany. W chwili jaki procent populacji będzie martwy?TTT S(x)S(x)S(x) : . W chwili …
3
Intuicja za stopą hazardu
Jestem zdezorientowany co do równania, które służy jako definicja współczynnika ryzyka. Rozumiem, jaki jest współczynnik ryzyka, ale po prostu nie widzę, jak równanie wyraża tę intuicję. Jeśli jest zmienną losową, która reprezentuje moment śmierci kogoś w przedziale czasu . Zatem współczynnik ryzyka wynosi:[ 0 , T ]xxx[0,T][0,T][0,T] h(x)=f(x)1−F(x)h(x)=f(x)1−F(x)h(x)=\frac{f(x)}{1-F(x)} Gdzie oznacza …
1
Czy współczynnik ryzyka można przełożyć na stosunek median czasu przeżycia?
W jednym artykule opisującym wyniki analizy przeżycia Czytałem oświadczenie, że zakłada, że można tłumaczyć współczynnik ryzyka (HR) w stosunku do mediany czasu przeżycia ( i ), stosując wzór:M.1M.1M_1M.2)M.2)M_2 H.R = M1M.2)H.R=M.1M.2)HR = \frac{M_1}{M_2} Jestem pewien, że to nie obowiązuje, gdy nie można założyć proporcjonalnego modelu ryzyka (ponieważ nic nie działa, …
15 survival  hazard 
3
Jakie są opcje w modelu proporcjonalnej regresji hazardu, gdy resztki Schoenfelda nie są dobre?
Robię regresję proporcjonalną hazardu Coxa przy użyciu R coxph, która obejmuje wiele zmiennych. Resztki Martingale wyglądają świetnie, a reszty Schoenfelda są świetne dla PRAWIE wszystkich zmiennych. Istnieją trzy zmienne, których reszty Schoenfelda nie są płaskie, a charakter zmiennych jest taki, że ma sens, że mogą się zmieniać w czasie. Są …
1
Różnica między średnim a marginalnym efektem leczenia
Czytałem kilka artykułów i nie jestem pewien na temat szczegółowych definicji średniego efektu leczenia (ATE) i marginalnego efektu leczenia (MTE). Czy oni są tacy sami? Według Austina ... Efekt warunkowy to średni efekt na poziomie podmiotu przeniesienia pacjenta z nieleczonego na leczony. Współczynnik regresji dla zmiennej wskaźnika przypisania leczenia z …
1
Jakie są różnice między analizą przeżycia a regresją Poissona?
Pracuję nad klasycznym problemem przewidywania rezygnacji, wykorzystując liczbę odwiedzin danego użytkownika na stronie i pomyślałem, że regresja Poissona jest właściwym narzędziem do modelowania przyszłego zaangażowania tego użytkownika. Kiedy wtedy natknąłem się na książkę o analizie przeżycia i modelowaniu zagrożeń i nie wiem, która technika jest najlepsza. Nie chcę jednocześnie badać …
3
Jak interpretować współczynnik ryzyka na podstawie zmiennej ciągłej - jednostki różnicy?
Czytam artykuł, który pokazuje współczynniki ryzyka dla zmiennych ciągłych, ale nie jestem pewien, jak interpretować podane wartości. Moje obecne rozumienie współczynników ryzyka polega na tym, że liczba ta reprezentuje względne prawdopodobieństwo [zdarzenia] pod pewnymi warunkami. Np .: jeśli współczynnik ryzyka zgonu z powodu raka płuc przy paleniu (zdarzenie binarne) wynosi …
2
Czy istnieje jakaś funkcjonalna różnica między ilorazem szans a ilorazem ryzyka?
W regresji logistycznej iloraz szans równy 2 oznacza, że ​​zdarzenie jest 2 razy bardziej prawdopodobne, biorąc pod uwagę wzrost o jedną jednostkę predyktora. W regresji Coxa współczynnik ryzyka wynoszący 2 oznacza, że ​​zdarzenie wystąpi dwa razy częściej w każdym punkcie czasowym, biorąc pod uwagę wzrost o jedną jednostkę predyktora. Czy …
1
R regresja liniowa zmienna kategorialna „ukryta” wartość
To tylko przykład, na który natknąłem się kilka razy, więc nie mam żadnych przykładowych danych. Uruchamianie modelu regresji liniowej w R: a.lm = lm(Y ~ x1 + x2) x1jest zmienną ciągłą. x2jest kategoryczny i ma trzy wartości, np. „Niska”, „Średnia” i „Wysoka”. Jednak dane wyjściowe podane przez R byłyby mniej …
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
Oblicz krzywą ROC dla danych
Mam więc 16 prób, w których próbuję uwierzytelnić osobę z cechy biometrycznej za pomocą Hamminga. Mój próg jest ustawiony na 3,5. Moje dane są poniżej i tylko próba 1 jest prawdziwie pozytywna: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 …
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 
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.