Enviar búsqueda
Cargar
Survival analysis0702
•
10 recomendaciones
•
7,612 vistas
Nobuaki Oshiro
Seguir
Survival analysis
Leer menos
Leer más
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 63
Descargar ahora
Descargar para leer sin conexión
Recomendados
数式を(ちょっとしか)使わずに隠れマルコフモデル
数式を(ちょっとしか)使わずに隠れマルコフモデル
Yuya Takashina
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
ベイズ統計によるデータ解析
ベイズ統計によるデータ解析
Kunihiro Hisatsune
Rの高速化
Rの高速化
弘毅 露崎
【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
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
Más contenido relacionado
La actualidad más candente
Juliaで並列計算
Juliaで並列計算
Shintaro Fukushima
PRML輪読#4
PRML輪読#4
matsuolab
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
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)
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
宏喜 佐野
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
Ohsawa Goodfellow
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
nocchi_airport
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
PRML輪読#3
PRML輪読#3
matsuolab
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Shintaro Fukushima
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
2014.01.23 prml勉強会4.2確率的生成モデル
2014.01.23 prml勉強会4.2確率的生成モデル
Takeshi Sakaki
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
Koichi Hamada
La actualidad más candente
(20)
Juliaで並列計算
Juliaで並列計算
PRML輪読#4
PRML輪読#4
2 1.予測と確率分布
2 1.予測と確率分布
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
階層ベイズとWAIC
階層ベイズとWAIC
PRML上巻勉強会 at 東京大学 資料 第1章前半
PRML上巻勉強会 at 東京大学 資料 第1章前半
2 3.GLMの基礎
2 3.GLMの基礎
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
PRML輪読#3
PRML輪読#3
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Rで階層ベイズモデル
Rで階層ベイズモデル
2014.01.23 prml勉強会4.2確率的生成モデル
2014.01.23 prml勉強会4.2確率的生成モデル
Stanでガウス過程
Stanでガウス過程
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
変分ベイズ法の説明
変分ベイズ法の説明
Tokyor42 ggplot2
Tokyor42 ggplot2
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
パターン認識と機械学習 (PRML) 第1章-「多項式曲線フィッティング」「確率論」
Similar a 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
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
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
Similar a 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
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
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
Más 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
Más 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
Último
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
ssuser370dd7
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
Tetsuya Nihonmatsu
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
Ayachika Kitazaki
2024 04 minnanoito
2024 04 minnanoito
arts yokohama
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
Matsushita Laboratory
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
arts yokohama
2024 03 CTEA
2024 03 CTEA
arts yokohama
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
Shumpei Kishi
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
arts yokohama
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
Industrial Technology Research Institute (ITRI)(工業技術研究院, 工研院)
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
Sadao Tokuyama
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
ssuser539845
Último
(12)
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
2024 04 minnanoito
2024 04 minnanoito
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 03 CTEA
2024 03 CTEA
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
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。
Descargar ahora