貝葉斯框架下生存分析回歸模型及其變量選擇研究
發(fā)布時(shí)間:2023-06-02 23:28
在生存分析的臨床研究中,感興趣的變量是生存時(shí)間。但是它不能夠充分的評(píng)價(jià)一種治療方法。此外,還有很多變量跟生存時(shí)間有關(guān)系,會(huì)以不同的形式影響生存時(shí)間的變化以及不同的治療方式對(duì)生存時(shí)間也會(huì)有很大的影響。而研究這些因素的最終目的是為了找到一種最佳的治療方案從而提高患者的生存時(shí)間。另一方面,生存分析中普遍存在著高維數(shù)據(jù)。因此回歸模型的參數(shù)估計(jì)及變量選擇是生存分析中的主要研究問(wèn)題之一。本文介紹了貝葉斯生存分析的研究現(xiàn)狀,生存分析中常見(jiàn)的數(shù)據(jù)類型及貝葉斯常用的抽樣算法。這里主要討論了貝葉斯生存回歸中的估計(jì)及變量選擇問(wèn)題,分為以下三個(gè)主要部分。第一部分討論右刪失數(shù)據(jù)廣義指數(shù)尺度參數(shù)回歸模型估計(jì)問(wèn)題。本文分別采用極大似然估計(jì)和貝葉斯估計(jì)方法對(duì)模型參數(shù)進(jìn)行估計(jì)。在采用極大似然方法進(jìn)行估計(jì)時(shí),選用的是Newton-Raphson算法。在貝葉斯估計(jì)過(guò)程中,由于待估計(jì)參數(shù)的后驗(yàn)分布不具有一個(gè)標(biāo)準(zhǔn)形式,采用的MH和Gibbs相結(jié)合的MCMC抽樣算法對(duì)參數(shù)進(jìn)行抽樣估計(jì)。模擬結(jié)果表明了該方法的有效性。最后,右刪失數(shù)據(jù)下的廣義指數(shù)尺度參數(shù)回歸估計(jì)方法應(yīng)到斯坦福心臟移植數(shù)據(jù)中,還跟最為經(jīng)典的Cox估計(jì)結(jié)果進(jìn)行了對(duì)比。比...
【文章頁(yè)數(shù)】:70 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 貝葉斯生存分析回歸模型的相關(guān)研究
1.1.2 基于貝葉斯自適應(yīng)Lasso的生存分析回歸模型的變量選擇
1.2 貝葉斯生存分析回歸模型研究現(xiàn)狀
1.2.1 貝葉斯生存分析回歸模型發(fā)展簡(jiǎn)介
1.2.2 基于貝葉斯自適應(yīng)Lasso的生存分析回歸模型的變量選擇
1.3 本文完成的主要工作
第2章 貝葉斯生存分析的相關(guān)基本理論
2.1 生存分析的數(shù)據(jù)類型
2.2 常用模型
2.2.1 參數(shù)估計(jì)方法
2.2.2 非參數(shù)估計(jì)方法
2.2.3 半?yún)?shù)估計(jì)方法
2.3 貝葉斯估計(jì)算法
2.4 貝葉斯推斷中常用的分布
2.5 小結(jié)
第3章 右刪失廣義指數(shù)分布的尺度參數(shù)回歸模型的極大似然估計(jì)
3.1 背景介紹
3.2 符號(hào)和模型
3.3 統(tǒng)計(jì)推斷
3.4 數(shù)值模擬
3.5 實(shí)證分析
3.6 小結(jié)
第4章 右刪失數(shù)據(jù)下廣義指數(shù)分布的貝葉斯尺度參數(shù)回歸模型
4.1 背景介紹
4.2 符號(hào)和模型定義
4.3 后驗(yàn)推斷
4.4 數(shù)值模擬
4.5 實(shí)證分析
4.6 小結(jié)
第5章 區(qū)間刪失數(shù)據(jù)下廣義指數(shù)分布的貝葉斯尺度參數(shù)回歸模型
5.1 符號(hào)和模型定義
5.2 后驗(yàn)推斷
5.3 數(shù)值模擬
5.4 實(shí)證分析
5.5 小結(jié)
第6章 基于現(xiàn)狀數(shù)據(jù)加性風(fēng)險(xiǎn)回歸模型的貝葉斯自適應(yīng)Lasso變量選擇
6.1 背景介紹
6.2 符號(hào)和模型定義
6.3 貝葉斯推斷
6.3.1 貝葉斯自適應(yīng)Lasso
6.3.2 后驗(yàn)推斷
6.4 數(shù)值模擬及實(shí)例分析
6.4.1 模擬 1
6.4.2 模擬 2
6.4.3 模擬 3
6.4.4 模擬 4
6.4.5 實(shí)際例子
6.5 小結(jié)
第7章 結(jié)論
致謝
參考文獻(xiàn)
附錄
作者簡(jiǎn)介
攻讀碩士學(xué)位期間研究成果
本文編號(hào):3828227
【文章頁(yè)數(shù)】:70 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.1.1 貝葉斯生存分析回歸模型的相關(guān)研究
1.1.2 基于貝葉斯自適應(yīng)Lasso的生存分析回歸模型的變量選擇
1.2 貝葉斯生存分析回歸模型研究現(xiàn)狀
1.2.1 貝葉斯生存分析回歸模型發(fā)展簡(jiǎn)介
1.2.2 基于貝葉斯自適應(yīng)Lasso的生存分析回歸模型的變量選擇
1.3 本文完成的主要工作
第2章 貝葉斯生存分析的相關(guān)基本理論
2.1 生存分析的數(shù)據(jù)類型
2.2 常用模型
2.2.1 參數(shù)估計(jì)方法
2.2.2 非參數(shù)估計(jì)方法
2.2.3 半?yún)?shù)估計(jì)方法
2.3 貝葉斯估計(jì)算法
2.4 貝葉斯推斷中常用的分布
2.5 小結(jié)
第3章 右刪失廣義指數(shù)分布的尺度參數(shù)回歸模型的極大似然估計(jì)
3.1 背景介紹
3.2 符號(hào)和模型
3.3 統(tǒng)計(jì)推斷
3.4 數(shù)值模擬
3.5 實(shí)證分析
3.6 小結(jié)
第4章 右刪失數(shù)據(jù)下廣義指數(shù)分布的貝葉斯尺度參數(shù)回歸模型
4.1 背景介紹
4.2 符號(hào)和模型定義
4.3 后驗(yàn)推斷
4.4 數(shù)值模擬
4.5 實(shí)證分析
4.6 小結(jié)
第5章 區(qū)間刪失數(shù)據(jù)下廣義指數(shù)分布的貝葉斯尺度參數(shù)回歸模型
5.1 符號(hào)和模型定義
5.2 后驗(yàn)推斷
5.3 數(shù)值模擬
5.4 實(shí)證分析
5.5 小結(jié)
第6章 基于現(xiàn)狀數(shù)據(jù)加性風(fēng)險(xiǎn)回歸模型的貝葉斯自適應(yīng)Lasso變量選擇
6.1 背景介紹
6.2 符號(hào)和模型定義
6.3 貝葉斯推斷
6.3.1 貝葉斯自適應(yīng)Lasso
6.3.2 后驗(yàn)推斷
6.4 數(shù)值模擬及實(shí)例分析
6.4.1 模擬 1
6.4.2 模擬 2
6.4.3 模擬 3
6.4.4 模擬 4
6.4.5 實(shí)際例子
6.5 小結(jié)
第7章 結(jié)論
致謝
參考文獻(xiàn)
附錄
作者簡(jiǎn)介
攻讀碩士學(xué)位期間研究成果
本文編號(hào):3828227
本文鏈接:http://sikaile.net/yixuelunwen/yiyuanguanlilunwen/3828227.html
最近更新
教材專著