Bayesowska analiza Kaplana-Meiera — Bayesowska estymacja nieparametryczna krzywej przeżycia
Bayesowska analiza Kaplana-Meiera rozszerza klasyczny estymator Kaplana-Meiera poprzez przypisanie rozkładu a priori do funkcji przeżycia i aktualizację go na podstawie obserwowanych danych czasowo-zdarzeniowych w celu uzyskania pełnego rozkładu a posteriori dla krzywej przeżycia. To podejście, zakorzenione w ramie procesu Dirichleta Susarli i Van Ryzina z 1976 roku, generuje przedziały wiarygodności zamiast przedziałów ufności i umożliwia spójną integrację wcześniejszej wiedzy klinicznej, co czyni je szczególnie cennym w zastosowaniach z małą liczbą próbek lub we wczesnych fazach badań klinicznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Nonparametric Kaplan-Meier Survival Analysis. ScholarGate. https://scholargate.app/pl/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.
- Model Bayesa Coxa z proporcjonalnym hazardemEpidemiologia↔ compare
- Model Coxa z proporcjonalnym hazardemEpidemiologia↔ compare
- Analiza Kaplana-MeieraEpidemiologia↔ compare
- Analiza przeżyciaStatystyka w badaniach↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →