|
|
Statistická analýza přežití a incidenční funkce
Djordjilović, Vera ; Volf, Petr (vedoucí práce) ; Kulich, Michal (oponent)
V analýze přežití se často vyskytují konkurující si rizika. V této práci studujeme různé modely pro taková data a důležité výsledky ilustrujeme na příkladech. V případě konku- rujících si rizik, často je důležité odhadnout incidenční funkci určité události. Nejprve ukážeme neparametrické postupy pro odhad incidenční funkce a potom uvedeme tři různé regresní modely. Použití neparametrických metod je ilustrováno na jednoduchém, num- erickém příkladě a analýza dat ze Stanfordské studie o transplantaci srdce ilustruje a porovnává vybrané regresní modely.
|
|
| |
|
|
Statistická analýza přežití a incidenční funkce
Djordjilović, Vera ; Volf, Petr (vedoucí práce) ; Kulich, Michal (oponent)
V analýze přežití se často vyskytují konkurující si rizika. V této práci studujeme různé modely pro taková data a důležité výsledky ilustrujeme na příkladech. V případě konku- rujících si rizik, často je důležité odhadnout incidenční funkci určité události. Nejprve ukážeme neparametrické postupy pro odhad incidenční funkce a potom uvedeme tři různé regresní modely. Použití neparametrických metod je ilustrováno na jednoduchém, num- erickém příkladě a analýza dat ze Stanfordské studie o transplantaci srdce ilustruje a porovnává vybrané regresní modely.
|
|
| |
|
|
An empirical comparison of popular algorithms for learning gene networks
Djordjilović, V. ; Chiogna, M. ; Vomlel, Jiří
In this work, we study the performance of different algorithms for learning gene networks from data. We consider representatives of different structure learning approaches, some of which perform unrestricted searches, such as the PC algorithm and the Gobnilp method and some of which introduce prior information on the structure, such as the K2 algorithm. Competing methods are evaluated both in terms of their predictive accuracy and their ability to reconstruct the true underlying network. A real data application based on an experiment performed by the University of Padova is also considered. We also discuss merits and disadvantages of categorizing gene expression measurements.
|
host ::
RSS.