فرمت فایل : word(قابل ویرایش)
تعداد صفحات:122
فهرست مطالب:
فصل اول : تعاریف و مفاهیم اولیه 1
1-1 مقدمه ای در مفاهیم بقا 2
1-2 خلاصه ای از مقدمات 5
1-3 روش دلتا ، نتایج مهم و مثالها 6
1-4 فرآیندهای وینر و گوسی مربوطه 11
1-4-1 اطلاعی از فرآیند وینر 11
1-4-2 تعریف و وجود فرآیند وینر 12
1-4-3 پل براونی 12
فصل دوم : سانسور و برش 14
2ـ1 مقدمه 15
2ـ2 سانسور راست 17
2-2-1 سانسور نوع یک 17
2-2-2 سانسور پیشروی نوع یک 19
2-2-3 سانسور تعمیم یافته نوع یک 21
2-2-4 سانسور نوع دو 23
2-2-5 سانسور پیشروی نوع دو تعمیم 24
2-2-6 سانسور تصادفی 24
2-3 سانسور چپ و فاصلهای 26
2-3-1 سانسور چپ 26
2-3-2 سانسور فاصلهای 28
2-4 برش 29
برش راست 29
2-5 ساختار درستنمایی برای دادههای سانسور شده و دادههای بریده شده 30
نکات عملی 35
نکات تئوری 35
2-6 برآورد ناپارامتری کمیتهای اصلی برای دادههای از راست سانسور و بریده شده از چپ 37
2-6-2 برآوردگرهای توابع بقا و بخت تجمعی برای دادههای از راست سانسور 38
فصل سوم: برآورد ناپارامتری از داده های بقای مقطعی 42
3-1 مقدمه 43
3-2 برآورد حد- حاصلضربی در مقابل برآورد واردی 51
3-2-1 یک حالت خاص 52
3-2-2 حالت کلی 54
3-3 برآورد ناپارامتری 58
3-4 خاصیت های مجانبی 63
3-5 کوواریانس های مجانبی توأم، برآورد ناپارامتری 81
3-6 برآورد ناپارامتری 85
3-6-1 NPMLEی 87
3-6-2 اعتبار 88
3-6-3 بوت استرپ بدیهی تعمیم یافته 89
فصل چهارم : بررسی خواص مجانبی MLE ی تابع بقا درنمونه¬گیری در طول- اُریب همراه با سانسور راست : رویکردی غیرشرطی 92
4-1 مقدمه 93
4- 2 مدل های شرطی در مقایسه با مدل¬های غیرشرطی 96
4-3 علامت¬گذاری و موارد مقدماتی 97
4-4 برآورد و مجانب ها 100
4-5 کاربرد برای بقای همراه با دمانس 121
4-6 تفسیرهای آخر 122
کتابنامه 123
چکیده:
فصل اول
تعاریف و مفاهیم اولیه
1-1 مقدمه ای در مفاهیم بقا
در این بخش پارامترهای اصلی را که در مدل داده های بقا به کار می روند بررسی می کنیم.
فرض کنید زمانی تا بعضی پیشامدهای معین مانند مرگ، ظاهر شدن تومور، پیشرفت یک بیماری، برگشت بیماری، فرسودگی تجهیزات، توقف استعمال دخانیات، و غیره باشد.
با دقت بیشتری یک متغیر تصادفی نامنفی از یک جامعه همپراش است. توزیع را می توان توسط 4 تابعی که در زیر معرفی می کنیم، مشخص کرد.
1) تابع بقا ، احتمال این است که فردی بعد از زمان زنده بماند.
2) تابع نسبت بخت ، شانس فردی در سن است که پیشامدی را در لحظه بعدی تجربه کند.
3) تابع چگالی احتمال (یا جرم احتمال)، احتمال غیرشرطی از رخ دادن پیشامدی در زمان است.
4) میانگین طول عمر باقیمانده در زمان ، میانگین زمان تا پیشامد مطلوب است، به شرطی که پیشامد در رخ نداده باشد(که در اینجا مورد بحث قرار نمی گیرد).
اگر هر یک از این توابع مشخص باشند، سه تای دیگر به طور یکتا تعیین می شوند. در عمل این 4 تابع، همراه تابع بخت تجمعی برای تشریح مفاهیم مختلف توزیع به کار می روند.
تعریف 1-1-1 (تابع بقا) کمیت اصلی که برای توصیف پدیده های زمان تا پیشامد بکار می رود تابع بقا است . احتمال این که فردی بعد زمان زنده بماند (تجربه پیشامد بعد زمان ) ، که به صورت زیر تعریف می شود
توجه کنید که تابع بقا، تابعی غیر صعودی با مقدار یک در مبدأ و صفر در بینهایت است. اگر متغیر تصادفی پیوسته باشد، پس تابعی پیوسته و اکیداً نزولی است.
وقتی متغیر تصادفی است، تابع بقا متمم تابع توزیع تجمعی است، یعنی که . همچنین تابع بقا انتگرال تابع چگالی احتمال است، یعنی
بنابراین
وقتی متغیر تصادفی گسسته است به تکنیکهای مختلفی نیاز داریم. متغیرهای تصادفی گسسته در تحلیلهای بقا بواسطه گردکردن اندازه ها، طبقه بندی زمانهای شکست به فاصله ها و یا زمانی که طول عمرها به تعداد درستی از واحدها ارجاع شوند، بوجود می آیند. فرض کنید که مقادیر ، را با تابع جرم احتمال بگیرد، که ، تابع بقا برای متغیر تصادفی گسسته به صورت زیر داده می شود