Journal of Statistical Sciences, دوره (13), شماره (2), سال (2019-12) , صفحات (405-425)

عنوان : ( General Proportional Reversed Hazard Rate Frailty Model and Its Applications in the Analysis of Lung Cancer Data )

نویسندگان: فاطمه حوتی , جعفر احمدی ,

بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست

استناددهی: BibTeX | EndNote

چکیده

در مطالعات بقا، مدل‌های شکنندگی برای تبیین تغییرات ناشی از عوامل خطر مشاهده نشده به کار می‌روند. به طور معمول مدل شکنندگی در تحلیل بقا، به صورت حاصلضرب متغیر شکنندگی در تابع نرخ خطر پایه در نظر گرفته می‌شود که این مدل برای برازش به داده‌های بقا با وجود سانسور راست مفید است. در این مقاله ضمن معرفی مدل شکنندگی نرخ خطر معکوس متناسب تعمیم‌یافته، به مطالعه ویژگی توزیعی مربوط به متغیر شکنندگی و متغیر طول عمر پرداخته می‌شود. برخی از ویژگی‌های وابستگی بین متغیرهای شکنندگی و طول عمر بر‌اساس این مدل بررسی و انتقال تعدادی روابط ترتیب‌های تصادفی بین متغیرهای شکنندگی به متغیرهای طول عمر تحت مدل شکنندگی یاد شده، مطالعه می‌شود. کاربرد بعضی از قضایا در نتایج عددی بررسی می‌شود. در ادامه چگونگی استفاده از مدل پیشنهاد شده در برازش به داده‌های سانسور چپ ارائه و از آن برای مدل‌بندی داده‌های مربوط به بیماران سرطان ریه استفاده می‌شود‎.

کلمات کلیدی

, مدل‌های شکنندگی, نرخ خطر معکوس متناسب, سانسور چپ, ترتیب‌های تصادفی, تابع درستنمایی.
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1076615,
author = {حوتی, فاطمه and احمدی, جعفر},
title = {General Proportional Reversed Hazard Rate Frailty Model and Its Applications in the Analysis of Lung Cancer Data},
journal = {Journal of Statistical Sciences},
year = {2019},
volume = {13},
number = {2},
month = {December},
issn = {0376-7922},
pages = {405--425},
numpages = {20},
keywords = {مدل‌های شکنندگی، نرخ خطر معکوس متناسب، سانسور چپ، ترتیب‌های تصادفی، تابع درستنمایی.},
}

[Download]

%0 Journal Article
%T General Proportional Reversed Hazard Rate Frailty Model and Its Applications in the Analysis of Lung Cancer Data
%A حوتی, فاطمه
%A احمدی, جعفر
%J Journal of Statistical Sciences
%@ 0376-7922
%D 2019

[Download]