Enviar búsqueda
Cargar
再発事象の解析をやってみる
•
2 recomendaciones
•
8,264 vistas
Atsushi Hayakawa
Seguir
Tecnología
Diseño
Denunciar
Compartir
Denunciar
Compartir
1 de 22
Descargar ahora
Descargar para leer sin conexión
Recomendados
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
Yasuyuki Okumura
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
Yasuyuki Okumura
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
データベース研究の報告
データベース研究の報告
Yasuyuki Okumura
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
dplyr と purrrを用いたデータハンドリング
dplyr と purrrを用いたデータハンドリング
Somatori Keita
診断研究メタアナリシス報告事例
診断研究メタアナリシス報告事例
Takashi Fujiwara
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
Recomendados
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
Yasuyuki Okumura
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
Yasuyuki Okumura
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
データベース研究の報告
データベース研究の報告
Yasuyuki Okumura
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
dplyr と purrrを用いたデータハンドリング
dplyr と purrrを用いたデータハンドリング
Somatori Keita
診断研究メタアナリシス報告事例
診断研究メタアナリシス報告事例
Takashi Fujiwara
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
R Study Tokyo03
R Study Tokyo03
Yohei Sato
ネットワークメタ分析入門
ネットワークメタ分析入門
Senshu University
STARD2015に学ぶ「診断精度の分析」の書き方
STARD2015に学ぶ「診断精度の分析」の書き方
Yoshitake Takebayashi
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
Senshu University
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
Yoshitake Takebayashi
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Yasuaki Sagara
心理学のためのPsychパッケージ
心理学のためのPsychパッケージ
考司 小杉
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
Takashi Yamane
Mplusの使い方 初級編
Mplusの使い方 初級編
Hiroshi Shimizu
第2回DARM勉強会
第2回DARM勉強会
Yoshitake Takebayashi
Rで実験計画法 後編
Rで実験計画法 後編
itoyan110
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
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
Mplusの使い方 中級編
Mplusの使い方 中級編
Hiroshi Shimizu
介入研究の質のアセスメント
介入研究の質のアセスメント
Senshu University
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Shota Kubo
121218 zansa13 for web
121218 zansa13 for web
Zansa
Más contenido relacionado
La actualidad más candente
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
Issei Kurahashi
R Study Tokyo03
R Study Tokyo03
Yohei Sato
ネットワークメタ分析入門
ネットワークメタ分析入門
Senshu University
STARD2015に学ぶ「診断精度の分析」の書き方
STARD2015に学ぶ「診断精度の分析」の書き方
Yoshitake Takebayashi
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
Senshu University
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
Yoshitake Takebayashi
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Yasuaki Sagara
心理学のためのPsychパッケージ
心理学のためのPsychパッケージ
考司 小杉
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
Takashi Yamane
Mplusの使い方 初級編
Mplusの使い方 初級編
Hiroshi Shimizu
第2回DARM勉強会
第2回DARM勉強会
Yoshitake Takebayashi
Rで実験計画法 後編
Rで実験計画法 後編
itoyan110
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
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
Mplusの使い方 中級編
Mplusの使い方 中級編
Hiroshi Shimizu
介入研究の質のアセスメント
介入研究の質のアセスメント
Senshu University
La actualidad más candente
(20)
質的変数の相関・因子分析
質的変数の相関・因子分析
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
R Study Tokyo03
R Study Tokyo03
ネットワークメタ分析入門
ネットワークメタ分析入門
STARD2015に学ぶ「診断精度の分析」の書き方
STARD2015に学ぶ「診断精度の分析」の書き方
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
多重代入法の書き方 公開用
多重代入法の書き方 公開用
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
心理学のためのPsychパッケージ
心理学のためのPsychパッケージ
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
Mplusの使い方 初級編
Mplusの使い方 初級編
第2回DARM勉強会
第2回DARM勉強会
Rで実験計画法 後編
Rで実験計画法 後編
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)
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
Mplusの使い方 中級編
Mplusの使い方 中級編
介入研究の質のアセスメント
介入研究の質のアセスメント
Destacado
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Shota Kubo
121218 zansa13 for web
121218 zansa13 for web
Zansa
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
Zansa
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
Zansa
Zansa0802
Zansa0802
Yoshifumi Seki
【Zansa】第17回 ブートストラップ法入門
【Zansa】第17回 ブートストラップ法入門
Zansa
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
Takashi J OZAKI
社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる
takeshi0406
幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
PythonによるDeep Learningの実装
PythonによるDeep Learningの実装
Shinya Akiba
補足資料 財務3表の基礎知識
補足資料 財務3表の基礎知識
horihorio
統計と会計 - Zansa#19
統計と会計 - Zansa#19
horihorio
Google's r style guideのすゝめ
Google's r style guideのすゝめ
Takashi Kitano
独立成分分析 ICA
独立成分分析 ICA
Daisuke Yoneoka
tokyor29th
tokyor29th
Mikiya Tanizawa
独立成分分析とPerfume
独立成分分析とPerfume
Yurie Oka
Destacado
(16)
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
121218 zansa13 for web
121218 zansa13 for web
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
Zansa0802
Zansa0802
【Zansa】第17回 ブートストラップ法入門
【Zansa】第17回 ブートストラップ法入門
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる
幾何を使った統計のはなし
幾何を使った統計のはなし
PythonによるDeep Learningの実装
PythonによるDeep Learningの実装
補足資料 財務3表の基礎知識
補足資料 財務3表の基礎知識
統計と会計 - Zansa#19
統計と会計 - Zansa#19
Google's r style guideのすゝめ
Google's r style guideのすゝめ
独立成分分析 ICA
独立成分分析 ICA
tokyor29th
tokyor29th
独立成分分析とPerfume
独立成分分析とPerfume
Más de Atsushi Hayakawa
tidyverse.orgの翻訳
tidyverse.orgの翻訳
Atsushi Hayakawa
Zepp play soccerで測ってみた
Zepp play soccerで測ってみた
Atsushi Hayakawa
dataclassとtypehintを使ってますか?
dataclassとtypehintを使ってますか?
Atsushi Hayakawa
トライアスロンとgepuro task views V2.0 Japan.R 2018
トライアスロンとgepuro task views V2.0 Japan.R 2018
Atsushi Hayakawa
バンクーバー旅行記
バンクーバー旅行記
Atsushi Hayakawa
Analyze The Community Of Tokyo.R
Analyze The Community Of Tokyo.R
Atsushi Hayakawa
トライアスロンと僕 - Japan.R 2017
トライアスロンと僕 - Japan.R 2017
Atsushi Hayakawa
simputatoinで欠損値補完 - Tokyo.R #65
simputatoinで欠損値補完 - Tokyo.R #65
Atsushi Hayakawa
useR!2017 in Brussels
useR!2017 in Brussels
Atsushi Hayakawa
Japan.R 2016の運営
Japan.R 2016の運営
Atsushi Hayakawa
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Atsushi Hayakawa
統計的学習の基礎 4.4~
統計的学習の基礎 4.4~
Atsushi Hayakawa
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Atsushi Hayakawa
最近のクラウドストレージの事情と私情
最近のクラウドストレージの事情と私情
Atsushi Hayakawa
gepuro task views
gepuro task views
Atsushi Hayakawa
nginxのログを非スケーラブルに省メモリな方法で蓄積する
nginxのログを非スケーラブルに省メモリな方法で蓄積する
Atsushi Hayakawa
implyを用いたアクセスログの可視化
implyを用いたアクセスログの可視化
Atsushi Hayakawa
イケてる分析基盤をつくる
イケてる分析基盤をつくる
Atsushi Hayakawa
らずぱいラジコン
らずぱいラジコン
Atsushi Hayakawa
らずぱいカー
らずぱいカー
Atsushi Hayakawa
Más de Atsushi Hayakawa
(20)
tidyverse.orgの翻訳
tidyverse.orgの翻訳
Zepp play soccerで測ってみた
Zepp play soccerで測ってみた
dataclassとtypehintを使ってますか?
dataclassとtypehintを使ってますか?
トライアスロンとgepuro task views V2.0 Japan.R 2018
トライアスロンとgepuro task views V2.0 Japan.R 2018
バンクーバー旅行記
バンクーバー旅行記
Analyze The Community Of Tokyo.R
Analyze The Community Of Tokyo.R
トライアスロンと僕 - Japan.R 2017
トライアスロンと僕 - Japan.R 2017
simputatoinで欠損値補完 - Tokyo.R #65
simputatoinで欠損値補完 - Tokyo.R #65
useR!2017 in Brussels
useR!2017 in Brussels
Japan.R 2016の運営
Japan.R 2016の運営
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
統計的学習の基礎 4.4~
統計的学習の基礎 4.4~
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Splatoon界での壮絶な戦い&Japan.Rの宣伝
最近のクラウドストレージの事情と私情
最近のクラウドストレージの事情と私情
gepuro task views
gepuro task views
nginxのログを非スケーラブルに省メモリな方法で蓄積する
nginxのログを非スケーラブルに省メモリな方法で蓄積する
implyを用いたアクセスログの可視化
implyを用いたアクセスログの可視化
イケてる分析基盤をつくる
イケてる分析基盤をつくる
らずぱいラジコン
らずぱいラジコン
らずぱいカー
らずぱいカー
Último
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.
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
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: 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
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
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.
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
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
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.
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.
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
Último
(11)
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。
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)
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: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
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
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
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
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
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。
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...
再発事象の解析をやってみる
1.
第16回 zansaの会 再発事象の解析をやってみる @gepuro
2.
3.
データサイエンティスト界を騒がす 話題の本
4.
発表前の様子
5.
発表後の様子 俺達もデータサイエンティストに!!
6.
本題に入ります。
7.
再発事象(recurrent events)とは ● 時間をかけて、何度も繰り返し発生するような事象 のことを言う。 ●
例:がんの再発、ソフトウェアのバグが出る、クレー ムが何度もあるetc
8.
Rで再発事象を解析しよう ● 利用するパッケージは、”survival” ● サンプルデータ: ●
bladder: 個人の再来院データ ● rats: ねずみの乳腺腫瘍のデータ ← 今回はこれ! ● などなど
9.
データの取得と読み込み
10.
データの説明 ● Id: ねずみの個体番号 ●
Start: 観測開始 ● Stop: 観測終了 ● Status: 1=腫瘍, 0=打ち切り ● Trt : 1=drug, 0=control ● ...
11.
データの外観1 赤線はdrug、黒線はcontrolされているデータ 点は、腫瘍が発生した時点 時間 マウスid
12.
左:drug,右:control 横軸は時間で、縦軸は腫瘍の発生を累積したもの
13.
生存関数(累積ハザード法) どれぐらい事象が発生してないか
14.
累積強度関数(t時間までの強度関数を 累積したもの) 強度関数:次の瞬間に事象が発生する確率
15.
手法 ● 比例ハザードモデルを利用する。
16.
結果
17.
比例ハザードモデル
18.
19.
参考 ● The Statistical
Analysis of Recurrent Events http://sas.uwaterloo.ca/cook-lawless/ ● 講義ノートhttp://stat.inf.uec.ac.jp/dokuwiki/doku.php? id=dm:2013 ● 比例ハザードモデルはとってもtricky! http://www.slideshare.net/takehikoihayashi/tricky ● 信頼性概論 http://avalonbreeze.web.fc2.com/38_01_02_reliability outline.html
20.
おまけ
21.
library("survival") # wget http://sas.uwaterloo.ca/cook-lawless/rats.dat rats
<- read.csv("rats.dat", header=F, sep=" ") names(rats) <- c("id","start","stop","status","enum","trt", "rtrunc") head(rats) rats$total <- NA for(i in unique(rats$id)){ rats.id <- subset(rats, rats$id==i) rats[which(rats$id==i),]$total <- cumsum(rats.id$status) } kaidan.plot <- function(rats){ plot(rats$stop, rats$total, xlim=c(0,125), ylim=c(0,13),sub="腫瘍の再発", type="n") for(j in 1:nrow(rats)){ rats.j <- rats[j,] segments(rats.j$start,rats.j$total-1, rats.j$stop, rats.j$total-1, col=rats.j$id) segments(rats.j$stop, rats.j$total-1, rats.j$stop, rats.j$total, col=rats.j$id) } } kaidan.plot(rats) kaidan.plot(subset(rats, rats$trt==1)) kaidan.plot(subset(rats, rats$trt==0)) data.plot <- function(rats){ plot(seq(1,max(rats$stop),length.out=48),1:48, type="n",xlab="",ylab="") abline(h=24:48) abline(h=1:23,col="red") rats.status1 <- subset(rats, rats$status==1) points(rats.status1$stop, rats.status1$id) } data.plot(rats)
22.
# 強度関数の推定 par(mfrow=c(2,1)) NPfit.1 <-
coxph(Surv(start,stop,status)~1, data=rats, subset=(trt==1),method="breslow") KM.1 <- survfit(NPfit.1, conf.int=.95, type="aalen") plot(KM.1,sub="drug") NPfit.2 <- coxph(Surv(start,stop,status)~1, data=rats, subset=(trt==0),method="breslow") KM.2 <- survfit(NPfit.2, conf.int=.95, type="aalen") plot(KM.2,sub="control") # 累積強度関数 par(mfrow=c(1,1)) NA.MF.1 <- data.frame(time=c(0,KM.1$time), na=-log(c(1,KM.1$surv))) plot(NA.MF.1, type="l", lty=1,ylim=c(0,8), xlim=c(0,120)) NA.MF.2 <- data.frame(time=c(0,KM.2$time), na=-log(c(1,KM.2$surv))) lines(NA.MF.2, type="l", lty=2) legend(locator(1), c("drug","control"), lty=1:2) # 比例ハザードモデル NPfit <- coxph(Surv(start, stop, status)~factor(trt)+cluster(id), data=rats, method="breslow") summary(NPfit) KM <- survfit(NPfit, type="aalen") NA.MF <- data.frame(time=c(0,KM$time), na=-log(c(1,KM$surv))) lines(NA.MF, type="l", lty=4) legend(locator(1), c("drug","control","全部"), lty=c(1:2,4))
Descargar ahora