不同组的危害和幸存者功能
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')