主要内容

不同组的危害和幸存者功能

打开脚本

此示例显示了如何估计和绘制不同群体的累积危害和幸存者功能。

步骤1.加载并组织样品数据。

加载样本数据。

加载（'readmissiontimes.mat'）

数据有有关患者的性别，年龄，体重，吸烟状况和审查制度的信息的再入院时间。这是模拟数据。

为每个性别创建重新启动时间和审查的矩阵。

女性= [重新启动时间（性== 1），审查（sex == 1）];男性= [重新启动时间（性== 0），审查（sex == 0）];

步骤2.估计和绘制每个性别的累积分布函数。

绘制女性和男性患者累积分布功能的Kaplan-Meier估计值。

图（）ecdf（gca，雌性（：，1），“审查”，女（：，2））;抓住上[f，x] = ecdf（男性（：，1），“审查”，男性（：，2））;楼梯（x，f，' -  r'） 抓住离开传奇（'女性'，，，，'男性'，，，，'地点'，，，，'东南'）

步骤3.绘图幸存者功能。

比较女性和男性患者的幸存者功能。

fige（）ax1 = gca;ECDF（AX1，女性（：，1），“审查”，女（：，2），'功能'，，，，'幸存者'）；抓住上[f，x] = ecdf（男性（：，1），“审查”，男性（：，2），'功能'，，，，'幸存者'）；楼梯（x，f，' -  r'） 传奇（'女性'，，，，'男性'）

该图显示，男性患者的再入院时间比女性患者短。

步骤4.适合Weibull幸存者功能。

适合Weibull分布到女性和男性患者的再入院时间。

pd = fitdist（女性（：，1），'wbl'，，，，“审查”，女（：，2））
pd = weibulldistribution weibull分布a = 12.5593 [10.749，14.6745] b = 1.99834 [1.56489，2.55185]
pd2 = fitdist（男性（：，1），，'wbl'，，，，“审查”，男性（：，2））
pd2 = weibulldistribution weibull分布a = 4.63991 [3.91039，5.50551] b = 1.94422 [1.48496，2.54552]
pd2 = fitdist（男性（：，1），，'wbl'，，，，“审查”，男性（：，2））
pd2 = weibulldistribution weibull分布a = 4.63991 [3.91039，5.50551] b = 1.94422 [1.48496，2.54552]

在估计的幸存者功能上，绘制女性和男性患者的威布尔幸存者功能。

情节（0：1：25,1-CDF（'wbl'，0：1：1：25,12.5593,1.99834），' - 。'）图（0：1：25,1-CDF（'wbl'，0：1：25,4.63991,1.94422），'：r'） 抓住离开传奇（“节日”，，，，``验证''，，，，'fweibull'，，，，'Mweibull'）

Weibull分布非常适合数据。

步骤5.估计累积危害和拟合微生累积危害功能。

估计性别的累积危险功能和拟合微生累积危害功能。

fige（）[f，x] = ecdf（雌性（：，1），，“审查”，女（：，2），...'功能'，，，，'暨汉达德'）；情节（x，f）保持上图（x，cumsum（pdf（pd，x）./（1-cdf（pd，x））），' - 。'）[f，x] = ecdf（男性（：，1），，“审查”，男性（：，2），...'功能'，，，，'暨汉达德'）；情节（x，f，' -  r'）图（x，cumsum（pdf（pd2，x）./（1-cdf（pd2，x））），），'：r'） 传奇（“节日”，，，，'fweibull'，，，，``验证''，，，，'Mweibull'，，，，...'地点'，，，，'北'）

也可以看看

||

相关示例

更多关于