Pertanyaan yang diberi tag «survival»

Analisis survival memodelkan waktu ke data peristiwa, biasanya waktu hingga mati atau waktu kegagalan. Data yang disensor adalah masalah umum untuk analisis survival.

8
Hasilkan variabel acak dengan korelasi yang ditentukan dengan variabel yang ada
Untuk studi simulasi saya harus membuat variabel acak yang menunjukkan korelasi (populasi) prefined ke variabel .YYY Saya melihat ke dalam Rpaket copuladan CDVineyang dapat menghasilkan distribusi multivarian acak dengan struktur ketergantungan yang diberikan. Namun, tidak mungkin untuk memperbaiki salah satu variabel yang dihasilkan ke variabel yang ada. Setiap ide dan …



5
Prediksi dalam regresi Cox
Saya melakukan regresi Cox multivarian, saya memiliki variabel independen dan nilai beta yang signifikan. Model ini cocok dengan data saya dengan sangat baik. Sekarang, saya ingin menggunakan model saya dan memprediksi kelangsungan hidup pengamatan baru. Saya tidak jelas bagaimana melakukan ini dengan model Cox. Dalam regresi linier atau logistik, akan …

10
Mengapa waktu bertahan hidup diasumsikan terdistribusi secara eksponensial?
Saya belajar analisis bertahan hidup dari pos ini pada UCLA IDRE dan tersandung di bagian 1.2.1. Tutorial mengatakan: ... jika waktu bertahan hidup diketahui terdistribusi secara eksponensial , maka kemungkinan mengamati waktu bertahan hidup ... Mengapa waktu bertahan hidup diasumsikan terdistribusi secara eksponensial? Sepertinya sangat tidak alami bagi saya. Mengapa …


3
Distribusi apa yang diikuti oleh data saya?
Katakanlah saya memiliki 1000 komponen dan saya telah mengumpulkan data tentang berapa kali kegagalan ini dicatat dan setiap kali mereka mencatat kegagalan, saya juga melacak berapa lama waktu yang dibutuhkan tim saya untuk memperbaiki masalah. Singkatnya, saya telah merekam waktu untuk memperbaiki (dalam detik) untuk masing-masing dari 1000 komponen ini. …

5
Cara menangani data hierarkis / bersarang dalam pembelajaran mesin
Saya akan menjelaskan masalah saya dengan sebuah contoh. Misalkan Anda ingin memprediksi penghasilan seseorang yang diberikan beberapa atribut: {Usia, Jenis Kelamin, Negara, Wilayah, Kota}. Anda memiliki dataset pelatihan seperti itu 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)) …
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
Bisakah derajat kebebasan menjadi angka non-integer?
Ketika saya menggunakan GAM, itu memberi saya sisa DF adalah (baris terakhir dalam kode). Apa artinya? Melampaui contoh GAM, Secara umum, bisakah jumlah derajat kebebasan menjadi angka yang bukan bilangan bulat?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 …
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
Dalam analisis survival, mengapa kita menggunakan model semi-parametrik (bahaya proporsional Cox) alih-alih model sepenuhnya parametrik?
Pertanyaan ini dimigrasikan dari Mathematics Stack Exchange karena dapat dijawab di Cross Validated. Bermigrasi 6 tahun yang lalu . Saya telah mempelajari model Cox Proportional Hazards, dan pertanyaan ini dibahas di sebagian besar teks. Cox mengusulkan menyesuaikan koefisien fungsi Bahaya menggunakan metode kemungkinan parsial, tetapi mengapa tidak hanya sesuai dengan …

2
Analisis Kelangsungan Hidup Bayesian: tolong, tuliskan saya sebelumnya untuk Kaplan Meier!
Pertimbangkan pengamatan yang disensor benar, dengan peristiwa pada waktu . Jumlah individu yang rentan pada waktu adalah , dan jumlah peristiwa pada saat adalah .t1,t2,…t1,t2,…t_1, t_2, \dotsiiininin_iiiididid_i Kaplan-Meier atau penaksir produk muncul secara alami sebagai MLE ketika fungsi bertahan hidup adalah fungsi langkah . Kemungkinannya adalah dan MLE adalah .S(t)=∏i:ti<tαiS(t)=∏i:ti<tαiS(t) …

4
Apa nilai yang benar untuk presisi dan mengingat dalam kasus tepi?
Presisi didefinisikan sebagai: p = true positives / (true positives + false positives) Apakah benar bahwa, sebagai true positivesdan false positivespendekatan 0, presisi mendekati 1? Pertanyaan yang sama untuk diingat: r = true positives / (true positives + false negatives) Saat ini saya sedang menerapkan tes statistik di mana saya …
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
Analisis survival: kontinu vs waktu diskrit
Saya bingung tentang bagaimana memutuskan apakah memperlakukan waktu sebagai hal yang berkelanjutan atau terpisah dalam analisis kelangsungan hidup. Secara khusus, saya ingin menggunakan analisis survival untuk mengidentifikasi variabel tingkat anak dan rumah tangga yang memiliki perbedaan terbesar dalam dampaknya terhadap kelangsungan hidup anak laki-laki dan perempuan (hingga usia 5). Saya …
20 survival  ties 

2
Apa nilai " " yang diberikan dalam ringkasan model coxph di R
Berapa nilai diberikan dalam ringkasan model coxph dalam R? Sebagai contoh,R2R2R^2 Rsquare= 0.186 (max possible= 0.991 ) Saya dengan bodohnya memasukkannya sebagai manuskrip sebagai nilai dan pengulas langsung mengatakan bahwa ia tidak mengetahui analog dari statistik dari regresi linier klasik yang sedang dikembangkan untuk model Cox dan jika ada, silakan …


Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.