Als «hazard» getaggte Fragen

Die Gefährdungsrate ist die momentane Rate, mit der Einheiten bis zu diesem Zeitpunkt überlebt haben t sterben bei t. Das Gefahrenverhältnis ist das Verhältnis von 2 angegebenen Gefahren.

1
Cox-Basisrisiko
Angenommen, ich habe einen "Nierenkatheter" -Datensatz. Ich versuche, eine Überlebenskurve mit einem Cox-Modell zu modellieren. Wenn ich ein Cox-Modell betrachte: brauche ich die Schätzung der . Mit der eingebauten Paket-R-Funktion kann ich das ganz einfach so machen:h(t,Z)=h0exp(b′Z),h(t,Z)=h0exp⁡(b′Z),h(t,Z) = h_0 \exp(b'Z),survivalbasehaz() library(survival) data(kidney) fit <- coxph(Surv(time, status) ~ age , kidney) …
19 r  cox-model  hazard 
1
Grundlegende Fragen zur zeitdiskreten Überlebensanalyse
Ich versuche, mithilfe eines logistischen Regressionsmodells eine diskrete Zeitüberlebensanalyse durchzuführen, und bin nicht sicher, ob ich den Prozess vollständig verstehe. Ich würde mich sehr über Unterstützung bei ein paar grundlegenden Fragen freuen. Hier ist der Aufbau: Ich sehe die Mitgliedschaft in einer Gruppe innerhalb eines Zeitfensters von fünf Jahren. Jedes …
2
Wie interpretiere ich Exp (B) in der Cox-Regression?
Ich bin ein Medizinstudent, der versucht, Statistiken zu verstehen (!) - seien Sie also bitte vorsichtig! ;) Ich schreibe einen Aufsatz, der eine ganze Menge statistischer Analysen enthält, einschließlich Überlebensanalysen (Kaplan-Meier, Log-Rank und Cox-Regression). Ich führte eine Cox-Regression meiner Daten durch, um herauszufinden, ob ich einen signifikanten Unterschied zwischen den …
4
Welche Vor- und Nachteile hat die Verwendung der Logrank-Methode im Vergleich zur Mantel-Haenszel-Methode für die Berechnung des Hazard Ratio in der Überlebensanalyse?
Eine Möglichkeit, den Vergleich zweier Überlebenskurven zusammenzufassen, ist die Berechnung der Hazard Ratio (HR). Es gibt (mindestens) zwei Methoden, um diesen Wert zu berechnen. Logrank-Methode. Berechnen Sie im Rahmen der Kaplan-Meier-Berechnungen die Anzahl der beobachteten Ereignisse (normalerweise Todesfälle) in jeder Gruppe ( und ) und die Anzahl der erwarteten Ereignisse …
17 survival  hazard 
4
Intuition für kumulative Gefahrenfunktion (Überlebensanalyse)
Ich versuche, eine Vorstellung von jeder der Hauptfunktionen in der Aktuarwissenschaft zu bekommen (speziell für das Cox Proportional Hazards Model). Folgendes habe ich bisher: f( x )f(x)f(x) : Beginnend mit der Startzeit die Wahrscheinlichkeitsverteilung, wann Sie sterben werden. F( x )F(x)F(x) : nur die kumulative Verteilung. Wie viel Prozent der …
3
Intuition hinter der Hazard Rate
Ich bin verwirrt über die Gleichung, die als Definition der Gefährdungsrate dient. Ich habe eine Vorstellung davon, wie hoch die Gefährdungsrate ist, verstehe aber nicht, wie die Gleichung diese Intuition ausdrückt. Wenn xxx eine Zufallsvariable ist, die den Zeitpunkt des Todes einer Person in einem Zeitintervall darstellt [0,T][0,T][0,T] . Dann …
3
Welche Optionen stehen im proportionalen Hazard-Regressionsmodell zur Verfügung, wenn Schönfeld-Residuen nicht gut sind?
Ich mache eine Cox-proportionale Hazards-Regression mit R coxph, die viele Variablen enthält. Die Martingale-Residuen sehen großartig aus, und die Schönfeld-Residuen sind für FAST alle Variablen großartig. Es gibt drei Variablen, deren Schönfeld-Residuen nicht flach sind, und die Variablen sind so beschaffen, dass es sinnvoll ist, sie mit der Zeit zu …
1
Der Unterschied zwischen durchschnittlichem und geringem Behandlungseffekt
Ich habe einige Artikel gelesen und bin mir nicht sicher, was die spezifischen Definitionen des durchschnittlichen Behandlungseffekts (ATE) und des marginalen Behandlungseffekts (MTE) angeht. Sind sie gleich Nach Austin ... Ein bedingter Effekt ist der durchschnittliche Effekt auf Subjektebene, wenn ein Subjekt von unbehandelt zu behandelt verschoben wird. Der Regressionskoeffizient …
1
Was sind die Unterschiede zwischen Überlebensanalyse und Poisson-Regression?
Ich arbeite an einem klassischen Problem der Abwanderungsvorhersage unter Verwendung der Anzahl der Besuche eines bestimmten Benutzers auf einer Website und dachte, dass die Poisson-Regression das richtige Werkzeug ist, um das zukünftige Engagement dieses Benutzers zu modellieren. Als ich dann auf ein Buch über Überlebensanalyse und Gefahrenmodellierung stieß, wusste ich …
3
Wie interpretiert man eine Hazard Ratio aus einer kontinuierlichen Variablen - Differenzeinheit?
Ich lese einen Artikel, der Hazard Ratios für kontinuierliche Variablen zeigt, bin mir aber nicht sicher, wie ich die angegebenen Werte interpretieren soll. Mein derzeitiges Verständnis der Gefährdungsquoten ist, dass die Zahl die relative Wahrscheinlichkeit von [Ereignis] unter bestimmten Bedingungen darstellt. Beispiel: Wenn die Hazard Ratio für den Tod durch …
1
R lineare Regression kategoriale Variable "versteckter" Wert
Dies ist nur ein Beispiel, auf das ich mehrmals gestoßen bin, daher habe ich keine Beispieldaten. Ausführen eines linearen Regressionsmodells in R: a.lm = lm(Y ~ x1 + x2) x1ist eine stetige Variable. x2ist kategorisch und hat drei Werte, z. B. "Niedrig", "Mittel" und "Hoch". Die von R gegebene Ausgabe …
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
Berechnen Sie die ROC-Kurve für Daten
Ich habe also 16 Studien, in denen ich versuche, eine Person anhand eines biometrischen Merkmals mithilfe von Hamming Distance zu authentifizieren. Mein Schwellenwert ist auf 3,5 eingestellt. Meine Daten sind unten und nur Versuch 1 ist ein wahres Positiv: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …
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 
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.