縱向數據與生存數據的半參數聯(lián)合模型簡(jiǎn)介，目錄書(shū)摘
2019-10-30 10:08
來(lái)源：京東
作者：京東
縱向數據與生存數據的半參數聯(lián)合模型
暫無(wú)報價(jià)
10+評論
100%好評
編輯推薦:
內容簡(jiǎn)介: 《縱向數據與生存數據的半參數聯(lián)合模型》基于半參數貝葉斯方法或極大似然方法，提出幾個(gè)更具柔性和實(shí)踐性的縱向數據與生存數據的半參數聯(lián)合模型，在模型里包含更少的假定。首先，放松隨機效應或個(gè)體內測量誤差的全參數分布的假設。用中心化Dirichlet隨機過(guò)程或偏正態(tài)分布定義它們的先驗分布，由此而推導出的后驗分布可以柔性地具有對稱(chēng)、偏態(tài)或多峰的分布的特征。其次，基于懲罰樣條方法，用半參數方法建?？v向數據與生存數據共享的軌跡函數，以及建?；疚ｋU函數。最后，對于建議的半參數聯(lián)合模型，發(fā)展了一些統計診斷方法，包括數據刪除影響分析和局部影響分析。另外，由于聯(lián)合模型涉及兩類(lèi)復雜數據，并應用半參數方法建模，所以發(fā)展高效的半參數聯(lián)合模型的算法也是《縱向數據與生存數據的半參數聯(lián)合模型》的亮點(diǎn)。
《縱向數據與生存數據的半參數聯(lián)合模型》可供統計專(zhuān)業(yè)研究生和臨床醫學(xué)研究者參考。
《縱向數據與生存數據的半參數聯(lián)合模型》可供統計專(zhuān)業(yè)研究生和臨床醫學(xué)研究者參考。
作者簡(jiǎn)介:
目錄:第1章 緒論
1．1 研究背景概述
1．2 國內外研究現狀
1．3 本書(shū)主要工作
1．4 生存數據分析
1．5 縱向數據
1．6 統計算法
1．6．1 Gibbs抽樣
1．6．2 MH算法
1．6．3 MCEM算法
1．6．4 標量或向量對向量求導
第2章 縱向數據和生存數據半參數聯(lián)合模型的貝葉斯推斷
2．1 引言
2．2 半參數聯(lián)合模型
2．3 聯(lián)合模型的貝葉斯分析
2．3．1 條件分布及算法
2．3．2 貝葉斯估計
2．4 半參數聯(lián)合模型貝葉斯數據刪除影響分析
2．5 模擬研究及實(shí)例
2．5．1 貝葉斯推斷模擬研究
2．5．2 貝葉斯數據刪除影響統計診斷模擬試驗
2．5．3 實(shí)例分析
第3章 偏正態(tài)縱向數據和生存數據部分線(xiàn)性半參數聯(lián)合模型的貝葉斯推斷
3．1 引言
3．2 半參數聯(lián)合模型
3．3 聯(lián)合模型的貝葉斯分析
3．3．1 貝葉斯估計
3．3．2 條件分布及算法實(shí)現
3．4 半參數聯(lián)合模型貝葉斯局部影響分析
3．5 模擬研究及實(shí)例
3．5．1 貝葉斯統計推斷模擬研究
3．5．2 貝葉斯局部影響分析模擬研究
3．5．3 實(shí)例分析
第4章 半參數聯(lián)合模型的貝葉斯變量選擇
4．1 引言
4．2 半參數聯(lián)合模型
4．2．1 模型和概念
4．2．2 測量誤差項分布的設定
4．2．3 建模對數基本危險函數
4．2．4 生存函數的近似計算
4．2．5 先驗的設定
4．3 變量選擇的BLasso方法
4．4 半參數聯(lián)合模型的貝葉斯算法和抽樣
4．5 模擬研究及實(shí)例
4．5．1 貝葉斯統計推斷模擬研究
4．5．2 實(shí)例分析IBCSG數據
第5章 偏正態(tài)縱向數據和生存數據聯(lián)合模型極大似然統計推斷和診斷
5．1 引言
5．2 半參數聯(lián)合模型
5．2．1 建模偏正態(tài)縱向數據
5．2．2 生存數據子模型
5．3 半參數聯(lián)合模型EM算法
5．3．1 E步
5．3．2 M步
5．3．3 算法執行
5．4 半參數聯(lián)合模型的極大似然統計診斷分析
5．4．1 極大似然數據刪除影響分析
5．4．2 極大似然局部影響分析
5．5 模擬研究及實(shí)例
5．5．1 半參數聯(lián)合模型極大似然統計推斷
5．5．2 半參數聯(lián)合模型極大似然統計診斷
5．5．3 實(shí)例分析
第6章 總結及進(jìn)一步研究
附錄
附錄A Q函數關(guān)于未知參數
附錄B 局部影響分析1
附錄C 局部影響分析2
參考文獻
1．1 研究背景概述
1．2 國內外研究現狀
1．3 本書(shū)主要工作
1．4 生存數據分析
1．5 縱向數據
1．6 統計算法
1．6．1 Gibbs抽樣
1．6．2 MH算法
1．6．3 MCEM算法
1．6．4 標量或向量對向量求導
第2章 縱向數據和生存數據半參數聯(lián)合模型的貝葉斯推斷
2．1 引言
2．2 半參數聯(lián)合模型
2．3 聯(lián)合模型的貝葉斯分析
2．3．1 條件分布及算法
2．3．2 貝葉斯估計
2．4 半參數聯(lián)合模型貝葉斯數據刪除影響分析
2．5 模擬研究及實(shí)例
2．5．1 貝葉斯推斷模擬研究
2．5．2 貝葉斯數據刪除影響統計診斷模擬試驗
2．5．3 實(shí)例分析
第3章 偏正態(tài)縱向數據和生存數據部分線(xiàn)性半參數聯(lián)合模型的貝葉斯推斷
3．1 引言
3．2 半參數聯(lián)合模型
3．3 聯(lián)合模型的貝葉斯分析
3．3．1 貝葉斯估計
3．3．2 條件分布及算法實(shí)現
3．4 半參數聯(lián)合模型貝葉斯局部影響分析
3．5 模擬研究及實(shí)例
3．5．1 貝葉斯統計推斷模擬研究
3．5．2 貝葉斯局部影響分析模擬研究
3．5．3 實(shí)例分析
第4章 半參數聯(lián)合模型的貝葉斯變量選擇
4．1 引言
4．2 半參數聯(lián)合模型
4．2．1 模型和概念
4．2．2 測量誤差項分布的設定
4．2．3 建模對數基本危險函數
4．2．4 生存函數的近似計算
4．2．5 先驗的設定
4．3 變量選擇的BLasso方法
4．4 半參數聯(lián)合模型的貝葉斯算法和抽樣
4．5 模擬研究及實(shí)例
4．5．1 貝葉斯統計推斷模擬研究
4．5．2 實(shí)例分析IBCSG數據
第5章 偏正態(tài)縱向數據和生存數據聯(lián)合模型極大似然統計推斷和診斷
5．1 引言
5．2 半參數聯(lián)合模型
5．2．1 建模偏正態(tài)縱向數據
5．2．2 生存數據子模型
5．3 半參數聯(lián)合模型EM算法
5．3．1 E步
5．3．2 M步
5．3．3 算法執行
5．4 半參數聯(lián)合模型的極大似然統計診斷分析
5．4．1 極大似然數據刪除影響分析
5．4．2 極大似然局部影響分析
5．5 模擬研究及實(shí)例
5．5．1 半參數聯(lián)合模型極大似然統計推斷
5．5．2 半參數聯(lián)合模型極大似然統計診斷
5．5．3 實(shí)例分析
第6章 總結及進(jìn)一步研究
附錄
附錄A Q函數關(guān)于未知參數
附錄B 局部影響分析1
附錄C 局部影響分析2
參考文獻
相關(guān)商品
京公網(wǎng)安備 11000002000088號
