xjuchenwei

可以从 链接 http://ishare.iask.sina.com.cn/f/35088684.html 下载

参照 Fan Jianqing et al 写的 局部回归分析及其应用 我的邮箱是 cheweixiyang@sina.com

另外 SAS V8以上可以调用 proc loess 要是 Splus (或者R） 就用 locfit

希望对你有所帮助 [s:19]

对于一般的 Cox 回归分析模型， 在很多语言中 都是命令可以调用 来计算其中的回归参数

我尝试着 对 得分方程 用 Newton-Raphson 方法 来迭代计算 但为什么 结果计算不出来 似乎也没遇到

Hessian矩阵 不可逆的情形， 我在代码中加了一句常用的手法 （若接近病态， 增加一个 很小的 单位阵）

请问有了解 那些软件 一般是选用什么算法啊

因为自己的一个问题 也归结于 一个 类似的 估计方程 我想借用 那里的 求根算法， 苦于 自己编的运行不出来

求点评 附上自己编的 matlab code [s:15]

% The purpose is to evaluate the score function

% The data has the form (X, delta, Covariate) n*(p+2) matrix

Tol=0.01; N=1000; k=0;

% function y=score(beta,d)

% for RFM lung cancer data with 144 rats coxph -> beta=1.4023;

[n,l]=size(d);

loc=find(d(:,2)'==1);

m=length(loc);

s0=0;s1=zeros(l-2,1);

U=zeros(l-2,1); % score initial

s21=zeros(l-2,l-2);s22=zeros(l-2,l-2);

H=zeros(l-2,l-2); % Hessian initial matrix

beta=ones(l-2,1);b=zeros(l-2,1);bb=zeros(l-2,1); % Dimensinality still shoule be determined

while (beta-b)'*(beta-b)>Tol

for i=1:m

for j=1:n

s0=s0+(d(j,1)>=d(loc(i),1))*exp(d(j,3:l)*beta);

s1=s1+(d(j,1)>=d(loc(i),1))*exp(d(j,3:l)*beta)*d(j,3:l)';

s21=s21+(d(j,1)>=d(loc(i),1))*exp(d(j,3:l)*beta)*(d(j,3:l)'*d(j,3:l));

end

U=U+d(loc(i),3:l)'-(1/s0)*s1;

H=H+(1/s0)*s21-((1/s0)^2)*s1*s1';

s0=0;s1=zeros(l-2,1);s21=zeros(l-2,l-2);s22=zeros(l-2,l-2);

end

%return U

bb=beta-inv(H)*U;

b=beta;

beta=bb;

k=k+1;

if k>N break;

end

end

beta,N

X 不就是指 {X<=x} 这一事件嘛 Y 类似 他们确实是集合 也就是事件 一样的定义啊[s:12][s:12]

怎么感觉比我想象得多呢 [s:12]

> pkgs <- sort(.packages(all.available = TRUE))

> length(pkgs)

[1] 31

> pkgs

[1] "base" "boot" "class" "cluster" "codetools"

[6] "compiler" "datasets" "fdrtool" "foreign" "graphics"

[11] "grDevices" "grid" "KernSmooth" "lattice" "MASS"

[16] "Matrix" "methods" "mgcv" "monreg" "nlme"

[21] "nnet" "parallel" "rpart" "spatial" "splines"

[26] "stats" "stats4" "survival" "tcltk" "tools"

[31] "utils"

回复 第16楼 的 谢益辉： 61 109 表示很不淡定 [s:12]

就是的啊 你从哪个门户登陆的哦 我咋没见过呢

我的是 http://cos.name/cn/ [s:11]

这里是 Data Analysis Using Regression and Multilevel Hierarchical Models 这本书 及其 书中附带的数据 实现代码

有需要的 请发邮件到 chenweixiyang@sina.com.cn

NONPARAMETRIC FUNCTIONAL ESTIMATIONS P. Rao著，在最后的几章里有详细介绍的，理论很完善

假定是服从二项分布，不知行否，“有购买”看做事件A，

学习了[s:13]

无法打开  WHY

关注中

按照期望的性质：单调性不就证了吗?  0<=f(x)<=g(x)，则E[f]<=E[g]

在保险里，那些赔偿数据一般都不是精确的呀，比如说有clustering（集群），trending（趋向）的数据，等等。反正有数据比没有要好。

现在明白了，忘了咱们随机试验这个现实背景了，omiga就是随机试验结果的集合，现在又明白了，总是一砸在数学语言里，就忘了，一想起来就顿觉茫然。

不知有没有同感的，我是太太追究了，所以才往往想这些别人认为“无聊'的问题。

随机变量到底该怎样理解呢？有时我从可测函数角度去考虑，但那个样本空间 到底是什么，当有多个随机变量时，说他们定义在同一个 ，这里既然说他们是函数，具体这种函数是怎么个对应法呀？

常常想到这个就犯糊涂，就很困惑，心里很不踏实。



特向各位大虾请教，不胜感谢。

这个就是概率中的半可加性呀，P(A1∪...∪An)<=∑P(Ai)  i=1,...,n

不要形而上学

期待中，我也遇到了同样的问题