Pertanyaan yang diberi tag «hazard»

Katakanlah saya memiliki kumpulan data "kateter ginjal". Saya mencoba memodelkan kurva bertahan hidup menggunakan model Cox. Jika saya mempertimbangkan model Cox: saya perlu perkiraan bahaya awal. Dengan menggunakan fungsi paket R bawaan , saya dapat dengan mudah melakukannya seperti ini:h ( t , Z) = h0exp( b′Z) ,h(t,Z)=h0exp⁡(b′Z),h(t,Z) = h_0 …

19 r  cox-model  hazard 

Saya mencoba untuk melakukan analisis kelangsungan hidup waktu diskrit menggunakan model regresi logistik, dan saya tidak yakin saya benar-benar memahami prosesnya. Saya akan sangat menghargai bantuan dengan beberapa pertanyaan dasar. Ini adalah pengaturannya: Saya melihat keanggotaan dalam grup dalam rentang waktu lima tahun. Setiap anggota memiliki catatan keanggotaan bulanan untuk …

18 survival  discrete-data  hazard  kaplan-meier 

Saya seorang mahasiswa kedokteran yang mencoba memahami statistik (!) - jadi harap bersikap lembut! ;) Saya sedang menulis esai yang mengandung cukup banyak analisis statistik termasuk analisis survival (Kaplan-Meier, Log-Rank dan regresi Cox). Saya menjalankan regresi Cox pada data saya mencoba mencari tahu apakah saya dapat menemukan perbedaan yang signifikan …

17 regression  survival  hazard 

Salah satu cara untuk meringkas perbandingan dua kurva survival adalah dengan menghitung rasio bahaya (HR). Ada (setidaknya) dua metode untuk menghitung nilai ini. Metode logrank. Sebagai bagian dari perhitungan Kaplan-Meier, hitung jumlah peristiwa yang diamati (kematian, biasanya) di masing-masing kelompok ( , dan O b ), dan jumlah peristiwa yang …

17 survival  hazard 

Saya mencoba mendapatkan intuisi untuk masing-masing fungsi utama dalam ilmu aktuaria (khusus untuk Cox Proportional Hazards Model). Inilah yang saya miliki sejauh ini: f(x)f(x)f(x) : mulai dari waktu mulai, distribusi probabilitas kapan Anda akan mati. F(x)F(x)F(x) : hanya distribusi kumulatif. Pada waktuTTT , berapa% populasi yang akan mati? S(x)S(x)S(x) :. …

17 probability  survival  hazard 

Saya bingung tentang persamaan yang berfungsi sebagai definisi tingkat bahaya. Saya mendapatkan ide tentang tingkat bahaya, tetapi saya tidak melihat bagaimana persamaan itu mengekspresikan intuisi itu. Jika adalah variabel acak yang mewakili titik waktu kematian seseorang pada interval waktuxxx[0,T][0,T][0,T] . Maka tingkat bahaya adalah: h(x)=f(x)1−F(x)h(x)=f(x)1−F(x)h(x)=\frac{f(x)}{1-F(x)} Di mana mewakili probabilitas kematian …

16 survival  intuition  hazard 

Dalam satu kertas yang menjelaskan hasil analisis survival Saya telah membaca pernyataan yang menyiratkan bahwa seseorang dapat menerjemahkan rasio Hazard (SDM) dalam rasio kali hidup rata-rata ( dan M 2 ) dengan rumus:M1M1M_1M2M2M_2 HR=M1M2HR=M1M2HR = \frac{M_1}{M_2} Saya yakin itu tidak berlaku ketika seseorang tidak dapat mengasumsikan model bahaya proporsional (karena …

15 survival  hazard 

Saya melakukan regresi bahaya proporsional Cox dalam menggunakan R coxph, yang mencakup banyak variabel. Residu Martingale tampak hebat, dan residu Schoenfeld bagus untuk hampir semua variabel. Ada tiga variabel yang residunya Schoenfeld tidak rata, dan sifat dari variabel tersebut sedemikian rupa sehingga masuk akal bahwa mereka dapat bervariasi dengan waktu. …

15 r  model  cox-model  hazard  schoenfeld-residuals 

Saya telah membaca beberapa makalah, dan saya tidak jelas tentang definisi spesifik dari Average Treatment Effect (ATE), dan Marginal Treatment Effect (MTE). Apakah mereka sama? Menurut Austin ... Efek kondisional adalah efek rata-rata, pada tingkat subjek, dari memindahkan subjek dari yang tidak diobati ke yang diobati. Koefisien regresi untuk variabel …

14 causality  hazard  propensity-scores  marginal-effect  marginal-model 

Saya sedang mengerjakan masalah prediksi churn klasik menggunakan jumlah kunjungan pengguna yang diberikan ke situs dan saya pikir Poisson Regression adalah alat yang tepat untuk memodelkan keterlibatan masa depan pengguna tersebut. Ketika kemudian saya menemukan buku tentang analisis survival dan Hazard Modeling dan saya tidak tahu teknik mana yang terbaik. …

12 survival  hazard  poisson-process 

Saya memiliki model Cox PH berikut: (Waktu, Acara) ~ X + Y + Z Saya ingin mendapatkan bahaya diprediksi tingkat (saya berbicara tentang tingkat bahaya TIDAK rasio hazard) diberikan nilai-nilai tertentu dari X, Y, Z. Saya tahu paket muhaz R dapat menghitung tingkat bahaya yang diamati, tetapi saya tertarik dengan …

11 r  survival  hazard  cox-model 

Saya membaca artikel yang menunjukkan Hazard Ratios untuk variabel kontinu, tapi saya tidak yakin bagaimana menafsirkan nilai yang diberikan. Pemahaman saya saat ini tentang rasio bahaya adalah bahwa angka tersebut mewakili kemungkinan relatif dari [peristiwa] yang diberikan beberapa kondisi. Misalnya: jika rasio bahaya untuk kematian akibat kanker paru-paru yang diberikan …

10 continuous-data  hazard 

Dalam regresi logistik, rasio odds 2 berarti bahwa kejadian tersebut 2 kali lebih mungkin diberikan peningkatan satu unit dalam prediktor. Dalam regresi Cox, rasio bahaya 2 berarti peristiwa tersebut akan terjadi dua kali lebih sering pada setiap titik waktu mengingat peningkatan satu unit dalam prediktor. Apakah ini secara praktis tidak …

10 logistic  cox-model  odds-ratio  hazard 

Ini hanya contoh yang saya temui beberapa kali, jadi saya tidak punya data sampel. Menjalankan model regresi linier di R: a.lm = lm(Y ~ x1 + x2) x1adalah variabel kontinu. x2bersifat kategorikal dan memiliki tiga nilai, mis. "Rendah", "Sedang" dan "Tinggi". Namun output yang diberikan oleh R akan menjadi seperti: …

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 

Jadi, saya memiliki 16 percobaan di mana saya mencoba untuk mengotentikasi seseorang dari sifat biometrik menggunakan Hamming Distance. Ambang batas saya diatur ke 3.5. Data saya di bawah dan hanya percobaan 1 yang Benar-Benar Positif: 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