主要内容

寿命数据分析

用于分析可靠性和生存数据的非参数和半甲酰胺方法

生存分析是时间到事件的分析，也就是说，当关注的结果是事件发生之前的时间。时间到事件的例子是卫生科学中直到感染、疾病复发或康复的时间;经济学中的失业持续时间;机器部件发生故障的时间或工程中灯泡的寿命等等。

进行生存分析：

  • 使模型适合您的数据。使用本页下列出的一个或多个函数终身数据分析要么考克斯比例风险模型．

  • 使用本页下列出的示例中的方法绘制或分析拟合模型主题,或者使用考克斯比例风险模型功能。

的Fitcox.函数提供了一种面向对象的方法来拟合Cox比例风险模型。由此产生的CoxModel.对象包含了许多统计数据和分析方法。coxphfit是一个用于拟合Cox模型的旧函数，它也支持代码生成。

功能

全部展开

ksdity 单变量和双变量数据的核平滑函数估计
大中型企业 最大似然估计
mlecov 极大似然估计量的渐近协方差
evfit 极值参数估计
expfit 指数参数估计
gamfit γ参数估计
lognfit 对数正态参数估计
normfit 正常的参数估计
韦伯 威布尔参数估计
fitdist 拟合概率分布对象与数据
dfittool 开放式配送钳工应用程序
ecdf 经验累积分布函数
ecdfhist 基于经验累积分布函数的直方图
plotSurvival 绘制Cox比例风险模型的生存函数
probplot. 概率情节
wblplot 威布尔概率图

拟合Cox比例风险模型

coxphfit Cox比例危险回归

合身CoxModel.对象

Fitcox. 创建Cox比例风险模型

CoxModel.方法

coefci Cox比例风险模型系数的置信区间
hazardratio 相对于基线估计Cox模型风险
linhyptest Cox模型系数的线性假设试验
plotSurvival 绘制Cox比例风险模型的生存函数
生存 计算Cox比例风险模型的生存

对象

CoxModel. 考克斯比例风险模型

主题

什么是生存分析?

了解审查，生存数据，以及生存和危险函数。

两组幸存者函数

利用Burr XII型分布拟合两组数据，找到经验幸存者函数和参数幸存者函数。

不同组的危险和幸存者函数

估计和绘制不同组的累积危险和幸存者函数。

kaplan meier方法

估计经验危险、幸存者和累积分布函数。

Cox比例危险模型

调整存活率估计以量化预测变量的效果。

Cox比例风险模型对象

为具有三个分层层次的Cox模型创建数据，然后拟合和分析结果模型。

截尾数数据的Cox比例风险模型

创建Cox比例风险模型，并评估预测变量的重要性。

具有时变协变量的Cox比例风险模型

将存活数据转换为计数过程形式，然后用时间依赖的协变量构建Cox比例危险模型。

分析生存或可靠性数据

通过建模来自汽车燃料喷射系统的节流阀故障的时间来分析终身数据。

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书