Soumettre la recherche
Mettre en ligne
Survival analysis0702
•
Télécharger en tant que PPT, PDF
•
10 j'aime
•
7,612 vues
Nobuaki Oshiro
Suivre
Survival analysis
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 63
Télécharger maintenant
Recommandé
負の二項分布について
負の二項分布について
Hiroshi Shimizu
Stanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデル
Hiroki Itô
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
順序データでもベイズモデリング
順序データでもベイズモデリング
. .
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
統計的学習の基礎_3章
統計的学習の基礎_3章
Shoichi Taguchi
Recommandé
負の二項分布について
負の二項分布について
Hiroshi Shimizu
Stanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデル
Hiroki Itô
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
順序データでもベイズモデリング
順序データでもベイズモデリング
. .
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
統計的学習の基礎_3章
統計的学習の基礎_3章
Shoichi Taguchi
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
Sotetsu KOYAMADA(小山田創哲)
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Chapter2.3.6
Chapter2.3.6
Takuya Minagawa
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
sleipnir002
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2
禎晃 山崎
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
PRML輪読#2
PRML輪読#2
matsuolab
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
Survival analysis0702 2
Survival analysis0702 2
Nobuaki Oshiro
Analysis of clinical trials using sas 勉強用 isseing333
Analysis of clinical trials using sas 勉強用 isseing333
Issei Kurahashi
Contenu connexe
Tendances
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
Sotetsu KOYAMADA(小山田創哲)
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Chapter2.3.6
Chapter2.3.6
Takuya Minagawa
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
sleipnir002
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2
禎晃 山崎
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
PRML輪読#2
PRML輪読#2
matsuolab
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
Tendances
(20)
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Stanの便利な事後処理関数
Stanの便利な事後処理関数
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
Stanコードの書き方 中級編
Stanコードの書き方 中級編
階層ベイズとWAIC
階層ベイズとWAIC
Rで階層ベイズモデル
Rで階層ベイズモデル
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
社会心理学とGlmm
社会心理学とGlmm
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Chapter2.3.6
Chapter2.3.6
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
ベイズファクターとモデル選択
ベイズファクターとモデル選択
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
PRML輪読#2
PRML輪読#2
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Similaire à Survival analysis0702
Survival analysis0702 2
Survival analysis0702 2
Nobuaki Oshiro
Analysis of clinical trials using sas 勉強用 isseing333
Analysis of clinical trials using sas 勉強用 isseing333
Issei Kurahashi
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
カテゴリカルデータの解析 (Kashiwa.R#3)
カテゴリカルデータの解析 (Kashiwa.R#3)
Takumi Tsutaya
みどりぼん9章前半
みどりぼん9章前半
Akifumi Eguchi
No55 tokyo r_presentation
No55 tokyo r_presentation
fuuuumin
Tokyo r #43
Tokyo r #43
Akifumi Eguchi
Advanced medicalresearchcenterbioinformatics2
Advanced medicalresearchcenterbioinformatics2
Jun Nakabayashi
エンジニア目線で見る TLA+ と PlusCal - TAKAMI Torao
エンジニア目線で見る TLA+ と PlusCal - TAKAMI Torao
Torao Takami
マルコフ連鎖モンテカルロ法入門-2
マルコフ連鎖モンテカルロ法入門-2
Nagi Teramo
Let中部2012シンポスライド
Let中部2012シンポスライド
Mizumoto Atsushi
第六回「データ解析のための統計モデリング入門」前半
第六回「データ解析のための統計モデリング入門」前半
Atsushi Hayakawa
確率的自己位置推定
確率的自己位置推定
Horiguchi Shuhei
乱数と擬似乱数の生成技術
乱数と擬似乱数の生成技術
SeiyaSakata
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
akira_11
P値を使わないフィットネステストの評価法
P値を使わないフィットネステストの評価法
Taisuke Kinugasa
Protein-Protein Interaction Prediction
Protein-Protein Interaction Prediction
Masahito Ohue
Rで学ぶロバスト推定
Rで学ぶロバスト推定
Shintaro Fukushima
統計学基礎
統計学基礎
Yuka Ezura
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
Similaire à Survival analysis0702
(20)
Survival analysis0702 2
Survival analysis0702 2
Analysis of clinical trials using sas 勉強用 isseing333
Analysis of clinical trials using sas 勉強用 isseing333
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
カテゴリカルデータの解析 (Kashiwa.R#3)
カテゴリカルデータの解析 (Kashiwa.R#3)
みどりぼん9章前半
みどりぼん9章前半
No55 tokyo r_presentation
No55 tokyo r_presentation
Tokyo r #43
Tokyo r #43
Advanced medicalresearchcenterbioinformatics2
Advanced medicalresearchcenterbioinformatics2
エンジニア目線で見る TLA+ と PlusCal - TAKAMI Torao
エンジニア目線で見る TLA+ と PlusCal - TAKAMI Torao
マルコフ連鎖モンテカルロ法入門-2
マルコフ連鎖モンテカルロ法入門-2
Let中部2012シンポスライド
Let中部2012シンポスライド
第六回「データ解析のための統計モデリング入門」前半
第六回「データ解析のための統計モデリング入門」前半
確率的自己位置推定
確率的自己位置推定
乱数と擬似乱数の生成技術
乱数と擬似乱数の生成技術
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
P値を使わないフィットネステストの評価法
P値を使わないフィットネステストの評価法
Protein-Protein Interaction Prediction
Protein-Protein Interaction Prediction
Rで学ぶロバスト推定
Rで学ぶロバスト推定
統計学基礎
統計学基礎
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Plus de Nobuaki Oshiro
20181117_データ分析プロジェクトの流れを理解する_PDCAとKPIツリー
20181117_データ分析プロジェクトの流れを理解する_PDCAとKPIツリー
Nobuaki Oshiro
20170909 reafletでお手軽可視化 on_r_20分ver_up用
20170909 reafletでお手軽可視化 on_r_20分ver_up用
Nobuaki Oshiro
20170826 fukuoka.r告知_reafletでお手軽可視化_on_r
20170826 fukuoka.r告知_reafletでお手軽可視化_on_r
Nobuaki Oshiro
20170707 rでkaggle入門
20170707 rでkaggle入門
Nobuaki Oshiro
20170312 r言語環境構築&dplyr ハンズオン
20170312 r言語環境構築&dplyr ハンズオン
Nobuaki Oshiro
20161127 doradora09 japanr2016_lt
20161127 doradora09 japanr2016_lt
Nobuaki Oshiro
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 1010
Nobuaki Oshiro
10分で分かるr言語入門ver2.14 15 0905
10分で分かるr言語入門ver2.14 15 0905
Nobuaki Oshiro
10分で分かるr言語入門ver2 upload用
10分で分かるr言語入門ver2 upload用
Nobuaki Oshiro
15 0117 kh-coderご紹介 for R users
15 0117 kh-coderご紹介 for R users
Nobuaki Oshiro
15 0117 kh-coderご紹介
15 0117 kh-coderご紹介
Nobuaki Oshiro
15 0117 r言語活用事例-外部公開用
15 0117 r言語活用事例-外部公開用
Nobuaki Oshiro
10分で分かるr言語入門 短縮バージョン 15-0117_upload用
10分で分かるr言語入門 短縮バージョン 15-0117_upload用
Nobuaki Oshiro
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101
Nobuaki Oshiro
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
Nobuaki Oshiro
10分で分かるr言語入門ver2.8 14 0712
10分で分かるr言語入門ver2.8 14 0712
Nobuaki Oshiro
10分で分かるr言語入門ver2.7
10分で分かるr言語入門ver2.7
Nobuaki Oshiro
10分で分かるr言語入門ver2 6
10分で分かるr言語入門ver2 6
Nobuaki Oshiro
10分で分かるr言語入門ver2.5
10分で分かるr言語入門ver2.5
Nobuaki Oshiro
10分で分かるr言語入門ver2.4
10分で分かるr言語入門ver2.4
Nobuaki Oshiro
Plus de Nobuaki Oshiro
(20)
20181117_データ分析プロジェクトの流れを理解する_PDCAとKPIツリー
20181117_データ分析プロジェクトの流れを理解する_PDCAとKPIツリー
20170909 reafletでお手軽可視化 on_r_20分ver_up用
20170909 reafletでお手軽可視化 on_r_20分ver_up用
20170826 fukuoka.r告知_reafletでお手軽可視化_on_r
20170826 fukuoka.r告知_reafletでお手軽可視化_on_r
20170707 rでkaggle入門
20170707 rでkaggle入門
20170312 r言語環境構築&dplyr ハンズオン
20170312 r言語環境構築&dplyr ハンズオン
20161127 doradora09 japanr2016_lt
20161127 doradora09 japanr2016_lt
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.14 15 0905
10分で分かるr言語入門ver2.14 15 0905
10分で分かるr言語入門ver2 upload用
10分で分かるr言語入門ver2 upload用
15 0117 kh-coderご紹介 for R users
15 0117 kh-coderご紹介 for R users
15 0117 kh-coderご紹介
15 0117 kh-coderご紹介
15 0117 r言語活用事例-外部公開用
15 0117 r言語活用事例-外部公開用
10分で分かるr言語入門 短縮バージョン 15-0117_upload用
10分で分かるr言語入門 短縮バージョン 15-0117_upload用
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.8 14 0712
10分で分かるr言語入門ver2.8 14 0712
10分で分かるr言語入門ver2.7
10分で分かるr言語入門ver2.7
10分で分かるr言語入門ver2 6
10分で分かるr言語入門ver2 6
10分で分かるr言語入門ver2.5
10分で分かるr言語入門ver2.5
10分で分かるr言語入門ver2.4
10分で分かるr言語入門ver2.4
Dernier
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
sn679259
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
WSO2
Dernier
(11)
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
Survival analysis0702
1.
Rによるデータサイエンス 第11章 生存分析
@doradora09
2.
3.
4.
5.
6.
7.
8.
9.
では本題へ
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
生存時間分析の分類 分布の仮定 共変量の導入
○ ○ パラメトリック モデル × ○ セミノンパラメトリック モデル × × ノンパラメトリック モデル
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
セミノンパラメトリックモデル 分布の仮定 共変量の導入
○ ○ パラメトリック モデル × ○ セミノンパラメトリック モデル × × ノンパラメトリック モデル
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
デヴィアンス残差プロット scatter.smooth(residuals(kidney.cox,
type="deviance" )); abline(h=0,lty=3,col=2); 標準化されている
53.
54.
比例性の分析: cox.zph kidney.zph<-
cox.zph(kidney.cox); kidney.zph rho chisq p sex 0.18839 2.60676 0.106 diseaseGN -0.01392 0.01123 0.916 diseaseAN 0.06162 0.20036 0.654 diseasePKD 0.00701 0.00438 0.947 GLOBAL NA 4.20781 0.379
55.
56.
57.
58.
パラメトリックモデル 分布の仮定 共変量の導入
○ ○ パラメトリック モデル × ○ セミノンパラメトリック モデル × × ノンパラメトリック モデル
59.
60.
61.
62.
63.
ご清聴ありがとうございました。
Télécharger maintenant