Analisi Bayesiana di Kaplan-Meier — Stima Bayesiana Nonparametrica della Curva di Sopravvivenza
L'analisi bayesiana di Kaplan-Meier estende il classico stimatore di Kaplan-Meier ponendo una distribuzione a priori sulla funzione di sopravvivenza e aggiornandola con i dati osservati di tempo-all'evento per ottenere una distribuzione a posteriori completa per la curva di sopravvivenza. Questo approccio, radicato nel framework del processo di Dirichlet di Susarla e Van Ryzin del 1976, produce intervalli credibili anziché intervalli di confidenza e consente un'incorporazione coerente della conoscenza clinica a priori, rendendolo particolarmente prezioso in contesti clinici con piccoli campioni o in fasi precoci.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Susarla, V., & Van Ryzin, J. (1976). Nonparametric Bayesian estimation of survival curves from incomplete observations. Journal of the American Statistical Association, 71(356), 897–902. DOI: 10.1080/01621459.1976.10480966 ↗
- Diaconis, P., & Freedman, D. (1986). On the consistency of Bayes estimates. The Annals of Statistics, 14(1), 1–26. DOI: 10.1214/aos/1176349830 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Nonparametric Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/it/epidemiology/bayesian-kaplan-meier-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Cox Proporzionale Bayesiano per i RischiEpidemiologia↔ compare
- Cox proportional hazardsEpidemiologia↔ compare
- Analisi di Kaplan-MeierEpidemiologia↔ compare
- Analisi di sopravvivenzaStatistica per la ricerca↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →