区间删失数据下基于OLLGG分布的多参数回归模型的参数估计

该文基于Ⅱ型区间删失数据,在OLLGG分布下提出多参数回归模型,通过线性回归刻画分布参数与协变量之间的关系,并通过极大似然方法给出了模型的参数估计,数值模拟验证了模型参数的估计有良好的性质,将提出的模型应用到血友病患者HIV感染的数据中,发现提出的模型对数据有灵活的拟合效果.     

特征提取及数据扩充的GA-LightGBM半导体质量检测方法

半导体质量检测数据具有的“相关性、冗余性、不平衡性”等特点,导致传统的分类算法效率较低,为此,提出一种基于特征提取及数据扩充的GA-LightGBM(genetic algorithm-light gradient boosting machine)质量检测方法。通过结合主成分分析(principal component analysis,PCA)、合成少数类过采样技术(synthetic minority oversampling technique,SMOTE)、遗传算法和LightGBM这4种方法,实现对产品质量的有效识别。实验结果表明,相较于传统分类算法,提出的方法可以有效提升质量检测的效率。     

基于动态因子的经济水平差异分析

选取经济总量、居民生活水平、经济外向型、从业人员和公共卫生潜力5个方面的13个指标构建评价体系。采取带有奖罚参数的动态因子分析综合法,基于2010年、2011年吉林省统计年鉴数据进行定量分析,得到省内各地区经济发展水平差异以及原因,并提出相应的经济发展建议。     

临床开腹手术中基于Logistic回归模型对麻醉用法的分析

在医学界中经皮穴位电刺激、丙泊酚和舒芬太尼是最常用的几种麻醉方法,不同的麻醉方法会在手术中产生不同的效果.本文通过对比40位病人手术前的身体差异和风险预测ASA级(Ⅰ—Ⅱ级),手术中的麻醉药等11个变量以及手术后的身体状况四项评分,建立二值Logistic回归模型和有序多值Logistic回归模型.运用R软件分析响应变量与自变量的相关性,采用逐步回归法筛选出相关性强的变量.进而分析开腹手术中麻醉用法,使手术麻醉达到最理想的效果.     

区间删失数据下Weibull 比例优势模型的参数估计

基于区间删失数据建模是当前复杂数据分析的热点之一。本研究在两类区间删失数据下建立Weibull比例优势模型,基于极大似然估计给出了模型参数,进一步讨论了估计量的渐近性质。数值模拟验证了模型参数的估计效果,并将提出的模型及方法应用到艾滋病临床试验数据和肺肿瘤试验数据中,给出了感兴趣事件的生存函数曲线,通过与生存函数的非参数极大似然估计比较,表明所提方法具有较好的拟合效果。     

部分线性Logistic模型在大学生挂科率预测中的应用

大学生挂科是当前高校管理面临的主要问题，找出挂科的原因并预防已经成为当前探讨的主要热点之一。考虑部分线性Logistic回归模型分析学生挂科的影响因素，并利用Sieve方法推断非线性函数，通过极大似然方法获得模型参数。将该模型应用到大学生学习状态的数据中，发现第二课堂成绩设定在一定范围内能有效降低挂科概率。同时基于该模型分类判别，绘制ROC曲线以及约登指数曲线，选择合理的分类阈值，将学生分成两类(挂科与不挂科),有利于学校及学生自身采取相应的措施来防止学生挂科。     

区间删失数据下基于模型平均方法的估计及预测

将模型平均方法应用于区间删失数据下的加速失效时间模型中，并与模型选择方法进行了比较，模拟结果表明模型平均方法的估计要优于模型选择方法.将模型平均方法应用于心脏移植手术数据的实例分析中，结果表明相对于模型选择方法而言，模型平均方法的预测效果更好.