Εκτίμηση της Υπό Συνθήκη Συνάρτησης Επιβίωσης και Επιλογή Εύρους Ζώνης για Μικτά Συνεχή και Κατηγορικά Δεδομένα
Φόρτωση...
Ημερομηνία
Συγγραφείς
Δελίδης, Δημήτριος
Delidis, Dimitrios
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μαθηματικών
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Με κίνητρο ένα σύνολο πραγματικών δεδομένων που περιγράφουν το ιατρικό προφίλ ασθενών υπό μια συγκεκριμένη θεραπεία, αναπτύσσουμε έναν μη παραμετρικό εκτιμητή της υπό συνθήκη συνάρτησης επιβίωσης που λαμβάνει υπ ́ όψιν συνεχείς και κατηγορικές συμμεταβλητές. Η ανάπτυξη γίνεται με τη μέθοδο των
πυρήνων σε συνδυασμό με τον εκτιμητή Kaplan-Meier για τυχαία λογοκριμένους από δεξιά χρόνους επιβίωσης. Οι ασυμπτωτικές ιδιότητες της παραγόμενης εκτίμησης μελετώνται και ποσοτικοποιούνται αναλυτικά. Η εφαρμογή του εκτιμητή στην πράξη γίνεται εφικτή με τη χρήση μιας μεθόδου επιλογής εύρους ζώνης, η υλοποίηση της οποίας βασίζεται μόνο στο διαθέσιμο δείγμα. Τέλος, εφαρμόζουμε τον εκτιμητή στα πραγματικά δεδομένα τα οποία αποτέλεσαν και το κίνητρο ανάπτυξης της συγκεκριμένης διατριβής και δείχνουμε τη χρησιμότητα του στη συγκεκριμένη και σε παρόμοιες καταστάσεις.
Motivated by a real world data set which requires the estimation - conditional on a number of factors - of survival probabilities of patients under a certain treatment, we investigate in detail the kernel smoothing of the Kaplan–Meier estimate for random designs under the right censored data setting, in the presence of an arbitrary number of mixed continuous and categorical covariates. The asymptotic properties of the derived estimator are studied and quantified analytically, and its implementation is facilitated by a corresponding data driven bandwidth selector. Its application to the real data set illustrates its practical usefulness.
Motivated by a real world data set which requires the estimation - conditional on a number of factors - of survival probabilities of patients under a certain treatment, we investigate in detail the kernel smoothing of the Kaplan–Meier estimate for random designs under the right censored data setting, in the presence of an arbitrary number of mixed continuous and categorical covariates. The asymptotic properties of the derived estimator are studied and quantified analytically, and its implementation is facilitated by a corresponding data driven bandwidth selector. Its application to the real data set illustrates its practical usefulness.
Περιγραφή
Λέξεις-κλειδιά
Μη παραμετρική Στατιστική, Ανάλυση Επιβίωσης, Συνάρτηση Επιβίωσης, Κίρρωση του ήπατος
Θεματική κατηγορία
Μη παραμετρική Στατιστική - Ανάλυση επιβίωσης
Παραπομπή
Σύνδεσμος
Μη παραμετρική Στατιστική - Ανάλυση επιβίωσης
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μαθηματικών
Όνομα επιβλέποντος
Μπάγκαβος, Δημήτριος
Εξεταστική επιτροπή
Μπάγκαβος, Δημήτριος
Ζωγράφος, Κωνσταντίνος
Μπατσίδης, Απόστολος
Ζωγράφος, Κωνσταντίνος
Μπατσίδης, Απόστολος
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
68
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States