|
|
Analysis of incidence of competting risks and application of copula models
Hujer, Peter ; Volf, Petr (vedoucí práce) ; Dvořák, Jiří (oponent)
V této práci představíme základy jednorozměrné analýzy přežití, které následně rozšíříme na model konkurujících si rizik, tedy na případ, kdy máme k dispozici hned několik sledovaných událostí, případně příčin jedné události. V modelu konkurujících si rizik popisujeme problém identifikace, kdy není obecně z dat pozorovaného minima možné identifikovat celý model. Dále si představíme modely kopulí, které tvoří vhodný matematický aparát na modelování strukury závislosti mezi náhodnými veličinami. Ukážeme si jejich základní vlastnosti, některé používané rodiny kopulí a~spolu s nimi popíšeme i několik měr závislostí. V poslední části si ukážeme využití modelu kopulí v rámci konkurujících si rizik a~jejich identifikovatelnosti. Uvedené teoretické poznatky pak aplikujeme v simulovaném příkladu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Metody analýzy přežití v případě konkurujících si rizik
Böhm, David ; Volf, Petr (vedoucí práce) ; Hurt, Jan (oponent)
V práci jsou vyloženy základní charakteristiky analýzy přežití v případě konkurujících si rizik a odvozeny jejich vzájemné vztahy. V případě bez regrese jsou uvedeny základní neparametrické metody odhadu a uvedena je i logaritmická věrohodnostní funkce pro odhady parametrů. Z regresních modelů je hlavní pozornost věnována Coxovu modelu proporcionálních rizik (PH), dále jsou zmíněny model se zrychleným časem (AFT) a flexibilní regresní model (FG). Identifikovatelnost sdružené funkce přežití je řešena s využitím kopul. Základy teorie kopul a měření závislosti pomocí korelačních koeficientů (Pearsonova, Spearmanova a Kendalova) jsou popsány v samostatné kapitole. Podstatná část teorie je prakticky využita v generovaném příkladu bez regrese.
|
|
|
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.
|
|
|
Bivariate Geometric Distribution and Competing Risks: Statistical Analysis and Application
Volf, Petr
The contribution studies the statistical model for discrete time two-variate duration (time-to-event) data. The analysis is complicated by partial data observation caused either by the right-side censoring or by the presence of dependent competing events. The case is modeled and analyzed with the aid of a two-variate geometric distribution. The model identifiability is discussed and it is shown that the model is not identifiable without proper additional assumptions. The method of analysis is illustrated both on artificially generated\nexample and on real unemployment data.
|
|
|
Problem of competing risks with covariates: Application to an unemployment study
Volf, Petr
The study deals with the methods of statistical analysis in the situation of competing risks in the presence of regression. First, the problem of identification of marginal and joint distributions of competing random variables is recalled. The main objective is then to demonstrate that the parameters and, in particular, the correlation of competing variables, may depend on covariates. The approach is applied to solution of a real example with unemployment data. The model uses the Gauss copula and Cox’s regression model.
|
|
|
Metody analýzy přežití v případě konkurujících si rizik
Böhm, David ; Volf, Petr (vedoucí práce) ; Hurt, Jan (oponent)
V práci jsou vyloženy základní charakteristiky analýzy přežití v případě konkurujících si rizik a odvozeny jejich vzájemné vztahy. V případě bez regrese jsou uvedeny základní neparametrické metody odhadu a uvedena je i logaritmická věrohodnostní funkce pro odhady parametrů. Z regresních modelů je hlavní pozornost věnována Coxovu modelu proporcionálních rizik (PH), dále jsou zmíněny model se zrychleným časem (AFT) a flexibilní regresní model (FG). Identifikovatelnost sdružené funkce přežití je řešena s využitím kopul. Základy teorie kopul a měření závislosti pomocí korelačních koeficientů (Pearsonova, Spearmanova a Kendalova) jsou popsány v samostatné kapitole. Podstatná část teorie je prakticky využita v generovaném příkladu bez regrese.
|
|
|
Analysis of incidence of competting risks and application of copula models
Hujer, Peter ; Volf, Petr (vedoucí práce) ; Dvořák, Jiří (oponent)
V této práci představíme základy jednorozměrné analýzy přežití, které následně rozšíříme na model konkurujících si rizik, tedy na případ, kdy máme k dispozici hned několik sledovaných událostí, případně příčin jedné události. V modelu konkurujících si rizik popisujeme problém identifikace, kdy není obecně z dat pozorovaného minima možné identifikovat celý model. Dále si představíme modely kopulí, které tvoří vhodný matematický aparát na modelování strukury závislosti mezi náhodnými veličinami. Ukážeme si jejich základní vlastnosti, některé používané rodiny kopulí a~spolu s nimi popíšeme i několik měr závislostí. V poslední části si ukážeme využití modelu kopulí v rámci konkurujících si rizik a~jejich identifikovatelnosti. Uvedené teoretické poznatky pak aplikujeme v simulovaném příkladu. Powered by TCPDF (www.tcpdf.org)
|
|
|
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.
|
|
| |
host ::
RSS.