مقاله برآورد ناپارامتری از داده های بقای مقطعی

اختصاصی از نیک فایل مقاله برآورد ناپارامتری از داده های بقای مقطعی دانلود با لینک مستقیم و پر سرعت .

 لینک پرداخت و دانلود در "پایین مطلب"

 فرمت فایل: word (قابل ویرایش و آماده پرینت)

 تعداد صفحات:51

برآورد ناپارامتری از داده های بقای مقطعی

در بسیاری از مطالعات پیگیری[1] داده های بقا، اغلب مشاهداتی بر اساس یک طرح نمونه گیری مقطعی[2] هستند. داده هایی از این نوع، موضوعی با برش چپ علاوه بر سانسور راست معمولی هستند . تعدادی ازاین مشخصه ها و خاصیتهای برآورد حد- حاصلضربی، برای داده های برش چپ و سانسورراست، شبیه آنچه در برآورد کاپلان- مایر، جستجو و پیدا شده است، می باشد. گرچه تحت فرض همگنی[3]، این باوری است که یک برآورد متقابل کارآیی بسیار بهتری دارد. در این فصل، برآورد درستنمایی ماکزیمم (MLE) شرطی خاصیتی از برآورد حد- حاصلضربی مشاهده می شود.MLE  ناپارامتری از توزیع بریده شده سرچشمه می گیرد. کاربردی از  این برآورد شامل آزمون فرض همگنی، برآورد نسبت داده های بریده شده و دیگرکاربردها در مطالعات گروهی عمومی می باشد. تحلیل برآورد براساس روش"داده های عملی[4]"است.

خاصیتهای مجانبی برآوردهای پیشنهاد شده از میان توابع بریدگی (خطی) ناپارامتری بوجود می آید. این نشان می دهد که توابع بریدگی (خطی) شرطی ناپارامتری خاصیتهای شبیه توابع بریدگی (خطی) شرطی پارامتری دارند و این ایده به اختصار به نتایج مجانبی سوق داده می شود.

همچنین MLE ناپارامتری از توزیع توأم متغیرهای سانسور شده و بریده شده سر چشمه می گیرد.

این برآورد ناپارامتری همراه برآورد حد- حاصلضربی برای تعمیم روش بدیهی افرون[5] درباره بوت استرپ[6] برای داده های از راست سانسور شده، به داده هایی است که هم بریده شده از چپ هستند وهم از راست سانسور شده اند به کار گرفته می شود.

3-1     مقدمه

در بسیاری از مطالعات پیگیری شامل نمونه گیری مقطعی، فرد تنها وقتی مشاهده می شود که حالت (وضع) نمونه گیری حتمی، معین باشد. برای تأکید بر این ایده، فرض کنید که پیشرفت بیماری معین شامل دو رویداد اعظم،که آغاز رویداد و پایان رویداد نامیده می شوند، باشد. فرض کنید  و  () به ترتیب برزمان های تقویمی آغاز رویداد و پایان رویداد، دلالت دارد. فرض کنید توزیع زمان از  به  مستقل از باشد.  فرض کنید در گروهی از افرادی که تصادفی بر اساس معیار نمونه گیری مقطعی انتخاب شده اند، عضو گیری تنها به افرادی محدود شده که پیشامد آغازین را تجربه کرده اند اما پیشامد پایانی را تجربه نکرده اند این زمانی از  به  یعنی  است که علاقه ابتدایی ماست. در فقدان سانسور، مجموعه طول عمر های  نمی توانند مانند یک نمونه تصادفی از جامعه هدف دررابطه با برش چپ رفتار کنند. فرض کنید  بر زمان تقویمی عضو گیری برای فرد دلالت دارد برای هر ثابت ()، افراد با  کوتاهتر از  از جامعه نمونه گیری خارج شده اند . بنابراین زمان  را، زمان برش چپ می نامیم. با وجود سانسور، مشاهده،  است که  زمان تقویمی برای پایان مطالعه و شاخص سانسور را معرفی می کند.

[1] Follow-up studies

[2] Cross-sectional

[3] Stationaity assumption

[4] Working data

[5]Efron

[6] Bootstraping