Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Ho, Li-Wei"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    檢測以韋伯分布為基線之混合風險模型的離群值
    (2018) 何莉維; Ho, Li-Wei
    離群值的檢測(Outlier detection)是統計分析方法中很重要的議題,是一種針對資料中極度異於其它資料的事件或觀測值的識別。適時地找出這些觀測值並加以處理,可以改善統計分析結果且合理解釋資料模型。在生活中離群值檢測常見的應用於結構缺陷、醫療問題等類型的問題。 在醫療問題中,Cox比例風險模型(Cox proportional Hazard model)是存活分析被廣為應用的分析模型,主要用於探討存活時間與自變項(Covariate)的關係。因此,有許多學者提出針對風險模型的離群值檢測,但較少著墨於混和風險模型(mixture hazard model)。然而,混和風險模型在這個領域也越來越被重視,因為實際在醫學中,疾病會被區分成許多類型(group),因此發展出一個適用於混和風險模型之檢測離群值及估計模型的方法是很重要的,此論文即探討此模型之離群值檢測及模型估計。 本論文將針對醫學研究領域最廣為應用的混和風險模型來探討離群值的檢測,並以韋伯分布為基線。利用收縮參數(shrinkage parameter)對現有的概似函數加入懲罰(penalty)函數項,以EM演算法估計收縮參數來檢測資料中的離群值,再進一步對離群值加權或是刪除以調整模型將參數估計做最佳化。 根據模擬顯示,此方法有效的偵測出資料中的離群值,且利用刪除離群值的方法通常可以得到較好的參數估計。

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback