Tag: survival-analysis
Survival-Analyse ist die Statistik censored Zeit-Ereignis-Daten, auf die standard-regression und Klassifizierung-Techniken in der Regel nicht anwendbar, aufgrund der unsicheren Gruppenmitgliedschaften der Beobachtungen.
Der name stammt von biologischen Systemen, wo das Ergebnis von Interesse war in der Tat das überleben oder der Tod, sondern das Konzept gilt gleichermaßen für mechanische Fehler, wirtschaftliche Ereignisse oder andere Arten Prognose zu stellen.
1
Antworten
Ich bin mit der survival Bibliothek. Nach der Berechnung der Kaplan-Meier-Schätzer der überlebensfunktion: km = survfit(Surv(time, flag) ~ 1) Ich wissen, wie die Berechnung von perzentilen: quantile(km, probs = c(0.05,0.25,0.5,0.75,0.95)) Aber, wie berechne ich die mittlere überlebenszeit?
3
Antworten
Ich bin versucht zu modellieren, Kunden Lebenszeiten auf Abonnements. Wie die Daten zensiert sind, ich werde mit R-survival-Paket zum erstellen einer survival-Kurve. Des original-Abonnements Datensatz sieht wie folgt aus.. id start_date end_date 1 2013-06-01 2013-08-25 2 2013-06-01
1
Antworten
Hallo ich bin Total neu auf R. Dies ist mein Erster Versuch es. Ich produziere ein survival-plot aufgeschlüsselt nach Alter. Ich kann nicht herausfinden, wie Sie angeben, Farben für jedes Alter-Linie und legen Sie es in einer
5
Antworten
Argh! Ich erhalte die folgende Fehlermeldung, wenn Sie versuchen, um compute mit meinem neuronalen Netzwerk: > net.compute <- compute(net, matrix.train2) Error in neurons[[i]] %*% weights[[i]] : non-conformable arguments Ich kann nicht herausfinden, was das problem ist. Unten
1
Antworten
Ich habe einige Schwierigkeiten mit coxph(). Ich habe zwei kategoriale Variablen: Geschlecht und Wahrscheinliche Ursache, dass ich verwenden möchten, die als unabhängige Variablen. Sex ist nur die typisch männlichen/weiblichen aber Wahrscheinliche Ursache hat 5 Optionen. Ich weiß
2
Antworten
Ich habe auf der Suche für eine Lösung für plot survival-Kurven mit ggplot2. Ich habe festgestellt, dass einige schöne Beispiele, aber Sie Folgen nicht den ganzen ggplot2 ästhetik (vor allem in Bezug schattigen Konfidenzintervalle und so weiter).
2
Antworten
Habe ich Folgendes survreg Modell: Call: survreg(formula = Surv(time = (ev.time), event = ev) ~ age, data = my.data, dist = "weib") Value Std. Error z p (Intercept) 4.0961 0.5566 7.36 1.86e-13 age 0.0388 0.0133 2.91 3.60e-03
1
Antworten
Ich habe einige Schwierigkeiten mit coxph(). Ich habe zwei kategorischen Variablen:"tecnologia" und "pais", und ich möchte zur Bewertung der möglichen Wechselwirkung von "pais" auf "tecnologia"."tecnologia" ist eine variable ein Faktor mit 2 Stufen: gps und convencional. Und
3
Antworten
Ich versuche, um fit und plot eine Weibull-Modell zum survival-Daten. Die Daten hat nur eine kovariable, Kohorte, die läuft von 2006 bis 2010. Also, irgendwelche Ideen auf, was Sie auf hinzufügen, um die zwei Zeilen von code,