縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型簡介，目錄書摘
2019-10-30 10:08
來源：京東
作者：京東
縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型
暫無報價
10+評論
100%好評
編輯推薦:
內(nèi)容簡介: 《縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型》基于半?yún)?shù)貝葉斯方法或極大似然方法，提出幾個更具柔性和實踐性的縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型，在模型里包含更少的假定。首先，放松隨機效應或個體內(nèi)測量誤差的全參數(shù)分布的假設。用中心化Dirichlet隨機過程或偏正態(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、偏態(tài)或多峰的分布的特征。其次，基于懲罰樣條方法，用半?yún)?shù)方法建模縱向數(shù)據(jù)與生存數(shù)據(jù)共享的軌跡函數(shù)，以及建模基本危險函數(shù)。最后，對于建議的半?yún)?shù)聯(lián)合模型，發(fā)展了一些統(tǒng)計診斷方法，包括數(shù)據(jù)刪除影響分析和局部影響分析。另外，由于聯(lián)合模型涉及兩類復雜數(shù)據(jù)，并應用半?yún)?shù)方法建模，所以發(fā)展高效的半?yún)?shù)聯(lián)合模型的算法也是《縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型》的亮點。
《縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型》可供統(tǒng)計專業(yè)研究生和臨床醫(yī)學研究者參考。
《縱向數(shù)據(jù)與生存數(shù)據(jù)的半?yún)?shù)聯(lián)合模型》可供統(tǒng)計專業(yè)研究生和臨床醫(yī)學研究者參考。
作者簡介:
目錄:第1章 緒論
1．1 研究背景概述
1．2 國內(nèi)外研究現(xiàn)狀
1．3 本書主要工作
1．4 生存數(shù)據(jù)分析
1．5 縱向數(shù)據(jù)
1．6 統(tǒng)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(shù)據(jù)和生存數(shù)據(jù)半?yún)?shù)聯(lián)合模型的貝葉斯推斷
2．1 引言
2．2 半?yún)?shù)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?yún)?shù)聯(lián)合模型貝葉斯數(shù)據(jù)刪除影響分析
2．5 模擬研究及實例
2．5．1 貝葉斯推斷模擬研究
2．5．2 貝葉斯數(shù)據(jù)刪除影響統(tǒng)計診斷模擬試驗
2．5．3 實例分析
第3章 偏正態(tài)縱向數(shù)據(jù)和生存數(shù)據(jù)部分線性半?yún)?shù)聯(lián)合模型的貝葉斯推斷
3．1 引言
3．2 半?yún)?shù)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 條件分布及算法實現(xiàn)
3．4 半?yún)?shù)聯(lián)合模型貝葉斯局部影響分析
3．5 模擬研究及實例
3．5．1 貝葉斯統(tǒng)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 實例分析
第4章 半?yún)?shù)聯(lián)合模型的貝葉斯變量選擇
4．1 引言
4．2 半?yún)?shù)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(shù)基本危險函數(shù)
4．2．4 生存函數(shù)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?yún)?shù)聯(lián)合模型的貝葉斯算法和抽樣
4．5 模擬研究及實例
4．5．1 貝葉斯統(tǒng)計推斷模擬研究
4．5．2 實例分析IBCSG數(shù)據(jù)
第5章 偏正態(tài)縱向數(shù)據(jù)和生存數(shù)據(jù)聯(lián)合模型極大似然統(tǒng)計推斷和診斷
5．1 引言
5．2 半?yún)?shù)聯(lián)合模型
5．2．1 建模偏正態(tài)縱向數(shù)據(jù)
5．2．2 生存數(shù)據(jù)子模型
5．3 半?yún)?shù)聯(lián)合模型EM算法
5．3．1 E步
5．3．2 M步
5．3．3 算法執(zhí)行
5．4 半?yún)?shù)聯(lián)合模型的極大似然統(tǒng)計診斷分析
5．4．1 極大似然數(shù)據(jù)刪除影響分析
5．4．2 極大似然局部影響分析
5．5 模擬研究及實例
5．5．1 半?yún)?shù)聯(lián)合模型極大似然統(tǒng)計推斷
5．5．2 半?yún)?shù)聯(lián)合模型極大似然統(tǒng)計診斷
5．5．3 實例分析
第6章 總結(jié)及進一步研究
附錄
附錄A Q函數(shù)關(guān)于未知參數(shù)
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(nèi)外研究現(xiàn)狀
1．3 本書主要工作
1．4 生存數(shù)據(jù)分析
1．5 縱向數(shù)據(jù)
1．6 統(tǒng)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(shù)據(jù)和生存數(shù)據(jù)半?yún)?shù)聯(lián)合模型的貝葉斯推斷
2．1 引言
2．2 半?yún)?shù)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?yún)?shù)聯(lián)合模型貝葉斯數(shù)據(jù)刪除影響分析
2．5 模擬研究及實例
2．5．1 貝葉斯推斷模擬研究
2．5．2 貝葉斯數(shù)據(jù)刪除影響統(tǒng)計診斷模擬試驗
2．5．3 實例分析
第3章 偏正態(tài)縱向數(shù)據(jù)和生存數(shù)據(jù)部分線性半?yún)?shù)聯(lián)合模型的貝葉斯推斷
3．1 引言
3．2 半?yún)?shù)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 條件分布及算法實現(xiàn)
3．4 半?yún)?shù)聯(lián)合模型貝葉斯局部影響分析
3．5 模擬研究及實例
3．5．1 貝葉斯統(tǒng)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 實例分析
第4章 半?yún)?shù)聯(lián)合模型的貝葉斯變量選擇
4．1 引言
4．2 半?yún)?shù)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(shù)基本危險函數(shù)
4．2．4 生存函數(shù)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?yún)?shù)聯(lián)合模型的貝葉斯算法和抽樣
4．5 模擬研究及實例
4．5．1 貝葉斯統(tǒng)計推斷模擬研究
4．5．2 實例分析IBCSG數(shù)據(jù)
第5章 偏正態(tài)縱向數(shù)據(jù)和生存數(shù)據(jù)聯(lián)合模型極大似然統(tǒng)計推斷和診斷
5．1 引言
5．2 半?yún)?shù)聯(lián)合模型
5．2．1 建模偏正態(tài)縱向數(shù)據(jù)
5．2．2 生存數(shù)據(jù)子模型
5．3 半?yún)?shù)聯(lián)合模型EM算法
5．3．1 E步
5．3．2 M步
5．3．3 算法執(zhí)行
5．4 半?yún)?shù)聯(lián)合模型的極大似然統(tǒng)計診斷分析
5．4．1 極大似然數(shù)據(jù)刪除影響分析
5．4．2 極大似然局部影響分析
5．5 模擬研究及實例
5．5．1 半?yún)?shù)聯(lián)合模型極大似然統(tǒng)計推斷
5．5．2 半?yún)?shù)聯(lián)合模型極大似然統(tǒng)計診斷
5．5．3 實例分析
第6章 總結(jié)及進一步研究
附錄
附錄A Q函數(shù)關(guān)于未知參數(shù)
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
