প্রশ্ন ট্যাগ «hazard»

ধরা যাক আমার একটি "কিডনি ক্যাথেটার" ডেটা সেট রয়েছে। আমি একটি কক্স মডেল ব্যবহার করে বেঁচে থাকার কার্ভকে মডেল করার চেষ্টা করছি। যদি আমি একটি কক্স মডেল বিবেচনা করি: h(t,Z)=h0exp(b′Z),h(t,Z)=h0exp⁡(b′Z),h(t,Z) = h_0 \exp(b'Z), আমার বেসলাইন বিপদের প্রাক্কলন প্রয়োজন। অন্তর্নির্মিত survivalপ্যাকেজ আর ফাংশনটি ব্যবহার করে basehaz(), আমি এটি সহজেই এটি করতে …

19 r  cox-model  hazard 

আমি একটি লজিস্টিক রিগ্রেশন মডেল ব্যবহার করে একটি বিচ্ছিন্ন সময় বেঁচে থাকার বিশ্লেষণ চালিয়ে যাওয়ার চেষ্টা করছি এবং আমি নিশ্চিত না যে আমি প্রক্রিয়াটি পুরোপুরি বুঝতে পেরেছি। আমি কয়েকটি প্রাথমিক প্রশ্ন সহ সহায়তার প্রশংসা করব। এখানে সেট আপ করা হয়েছে: আমি পাঁচ বছরের সময় উইন্ডোর মধ্যে একটি গ্রুপে সদস্যতার দিকে …

18 survival  discrete-data  hazard  kaplan-meier 

আমি একটি মেডিকেল শিক্ষার্থী যা পরিসংখ্যানগুলি বোঝার চেষ্টা করছি (!) - সুতরাং দয়া করে নম্র হন! ;) আমি বেঁচে থাকার বিশ্লেষণ (ক্যাপলান-মিয়ার, লগ-র্যাঙ্ক এবং কক্স রিগ্রেশন) সহ পরিসংখ্যানগত বিশ্লেষণের মোটামুটি পরিমাণ সহ একটি নিবন্ধ লিখছি। আমি আমার ডেটাতে একটি কক্স রিগ্রেশন চালিয়েছি তা জানতে চেষ্টা করেছিলাম যে দুটি গ্রুপের (উচ্চ …

17 regression  survival  hazard 

দুটি টিকে থাকার কার্ভের তুলনা সংক্ষিপ্ত করার একটি উপায় হ'ল বিপদ অনুপাত (এইচআর) গণনা করা। এই মানটি গণনা করার জন্য দুটি (কমপক্ষে) দুটি পদ্ধতি রয়েছে। লোগ্র্যাঙ্ক পদ্ধতি। কাপলান-মায়ার গণনার অংশ হিসাবে, প্রতিটি দলের পর্যবেক্ষিত ইভেন্টগুলি (মৃত্যু, সাধারণত) সংখ্যা (গনা , এবং হে খ ), এবং বেঁচে থাকার কোন পার্থক্য একটি …

17 survival  hazard 

আমি অ্যাকিউয়ারিয়াল সায়েন্সের প্রতিটি ফাংশন (বিশেষত কক্স প্রোপারশনাল হ্যাজার্ডস মডেলের জন্য) জন্য অন্তর্দৃষ্টি লাভ করার চেষ্টা করছি। আমার এখন পর্যন্ত যা আছে তা এখানে: f(x)f(x)f(x) : প্রারম্ভকালে শুরু হওয়া, কখন আপনি মারা যাবেন তার সম্ভাব্যতা বন্টন। F(x)F(x)F(x) : কেবল ক্রমবর্ধমান বিতরণ। সময়েTTT, জনসংখ্যার কত% মারা যাবে? S(x)S(x)S(x) :1−F(x)1−F(x)1-F(x) । সময়েTTT, …

17 probability  survival  hazard 

বিপজ্জনক হারের সংজ্ঞা হিসাবে কাজ করে এমন সমীকরণ সম্পর্কে আমি বিভ্রান্ত। আমি বিপদের হার কী তা সম্পর্কে ধারণা পেয়েছি তবে সমীকরণটি কীভাবে স্বজ্ঞাততা প্রকাশ করে তা আমি কেবল দেখতে পাই না। তাহলে xxx একটি এলোপাতাড়ি ভেরিয়েবলের যা সময়ের ব্যবধানে কেউ মৃত্যুর সময় বিন্দু প্রতিনিধিত্ব করে [0,T][0,T][0,T] । তারপরে বিপদের হারটি …

16 survival  intuition  hazard 

বেঁচে থাকার বিশ্লেষণের ফলাফলগুলি বর্ণনা করে একটি গবেষণাপত্রে আমি একটি বিবৃতি পড়েছি যা করে যে হ্যাজার্ড অনুপাত (এইচআর) সূত্রটি ব্যবহার করে মধ্যম বেঁচে থাকার সময়ের ( এবং 2) অনুপাতে অনুবাদ করতে পারেন :এম1এম1M_1এম2এম2M_2 এইচআর = এম1এম2এইচআর=এম1এম2HR = \frac{M_1}{M_2} আমি নিশ্চিত যে যখন কেউ আনুপাতিক ঝুঁকিপূর্ণ মডেল ধরে নিতে না পারে …

15 survival  hazard 

আমি আর এ ব্যবহার করে একটি কক্স আনুপাতিক বিপজ্জনক রিগ্রেশন করছি coxph, যার মধ্যে অনেকগুলি ভেরিয়েবল রয়েছে। মার্টিংগেল অবশিষ্টাংশগুলি দুর্দান্ত দেখায় এবং স্কোয়েনফিল্ডের অবশিষ্টাংশগুলি সমস্ত ভেরিয়েবলের জন্য দুর্দান্ত। এখানে তিনটি ভেরিয়েবল রয়েছে যার স্কোইনফিল্ডের অবশিষ্টাংশগুলি সমতল নয় এবং ভেরিয়েবলগুলির প্রকৃতি এমন যে এটি সময়ের সাথে পৃথক হতে পারে তা বোঝা …

15 r  model  cox-model  hazard  schoenfeld-residuals 

আমি কিছু কাগজপত্র পড়ছি, এবং গড় চিকিত্সা প্রভাব (এটিই) এবং প্রান্তিক চিকিত্সা প্রভাব (এমটিই) এর নির্দিষ্ট সংজ্ঞা সম্পর্কে আমি অস্পষ্ট। তারা কি একই? অস্টিনের মতে ... একটি শর্তসাপেক্ষ প্রভাবটি সাবজেক্টটি ট্রিটমেন্ট থেকে চিকিত্সা থেকে সরানোর বিষয়ে বিষয় পর্যায়ে গড় প্রভাব average একটি মাল্টিভেরিয়েবল রিগ্রেশন মডেল থেকে চিকিত্সা অ্যাসাইনমেন্ট ইন্ডিকেটর ভেরিয়েবলের …

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

আমি কোনও সাইটে কোনও প্রদত্ত ব্যবহারকারীর পরিদর্শন সংখ্যা ব্যবহার করে একটি ধ্রুপদী মন্থন ভবিষ্যদ্বাণী সমস্যা নিয়ে কাজ করছি এবং আমি ভেবেছিলাম যে সেই ব্যবহারকারীর ভবিষ্যতের ব্যস্ততার মডেলিংয়ের জন্য পইসন রিগ্রেশনই সঠিক সরঞ্জাম। তখন আমি বেঁচে থাকার বিশ্লেষণ এবং হ্যাজার্ড মডেলিং সম্পর্কে একটি বইটি পেয়েছিলাম এবং কোন কৌশলটি সেরা তা আমি …

13 survival  hazard  poisson-process 

আমার কাছে নিম্নলিখিত কক্স পিএইচ মডেল রয়েছে: (সময়, ইভেন্ট) ~ এক্স + ওয়াই + জেড আমি পূর্বাভাস বিপত্তি পেতে চাই হার (ঝ বিপত্তি হার কথা বলছি না নির্দিষ্ট মান দেওয়া বিপত্তি অনুপাত) X, Y, Z। আমি জানি মুহাজ আর আর প্যাকেজ পর্যবেক্ষণ করা বিপদের হারগুলি গণনা করতে পারে তবে আমি …

11 r  survival  hazard  cox-model 

আমি একটি নিবন্ধ পড়ছি যা ধ্রুবক ভেরিয়েবলের জন্য হ্যাজার্ড অনুপাত দেখায়, তবে প্রদত্ত মানগুলি কীভাবে ব্যাখ্যা করা যায় তা আমি নিশ্চিত নই। বিপদ অনুপাত সম্পর্কে আমার বর্তমান উপলব্ধিটি হ'ল যে নম্বরটি কিছু শর্ত দেওয়া [ইভেন্ট] এর আপেক্ষিক সম্ভাবনা উপস্থাপন করে। উদাহরণস্বরূপ: যদি ধূমপানের ফলে ফুসফুসের ক্যান্সারে আক্রান্ত হওয়ার ঝুঁকির অনুপাত …

10 continuous-data  hazard 

লজিস্টিক রিগ্রেশনে, 2 এর একটি বিভেদ অনুপাতের অর্থ হ'ল ভবিষ্যদ্বাণীকের এক-ইউনিট বৃদ্ধি পেয়ে ইভেন্টটি 2 বার বেশি সম্ভাব্য। কক্স রিগ্রেশনে, 2 এর একটি বিপদ অনুপাত মানে ভবিষ্যদ্বাণীকের এক-ইউনিট বৃদ্ধি পেয়ে ইভেন্টটি প্রতিটি সময়ে প্রায় দ্বিগুণ হয়ে থাকে। এগুলি কি বাস্তবে একই জিনিস নয়? তাহলে আমরা যদি লজিস্টিক রিগ্রেশন-এর প্রতিকূল অনুপাত …

10 logistic  cox-model  odds-ratio  hazard 

এটি কেবলমাত্র একটি উদাহরণ যা আমি বেশ কয়েকবার এসেছি, সুতরাং আমার কোনও নমুনা ডেটা নেই। আরে লিনিয়ার রিগ্রেশন মডেল চালাচ্ছেন: a.lm = lm(Y ~ x1 + x2) x1একটি অবিচ্ছিন্ন পরিবর্তনশীল। x2শ্রেণীবদ্ধ এবং এর তিনটি মান রয়েছে যেমন "নিম্ন", "মাঝারি" এবং "উচ্চ"। তবে আর দ্বারা প্রদত্ত আউটপুটটি এরকম কিছু হবে: summary(a.lm) …

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 

সুতরাং, আমার 16 টি ট্রায়াল রয়েছে যার মধ্যে আমি হামিং দূরত্ব ব্যবহার করে কোনও ব্যক্তিকে বায়োমেট্রিক বৈশিষ্ট্য থেকে প্রমাণীকরণের চেষ্টা করছি। আমার প্রান্তিকতা 3.5 এ সেট করা হয়েছে। আমার ডেটা নীচে রয়েছে এবং কেবল 1 টি পরীক্ষা সত্য পজিটিভ: 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