Survival Analysis_Techniques for Censored and Truncated Data_Book

The retrospective material for English exam unit_4 Survival.pdf

绘制生存曲线和事件分析时间的示例。 拟合Kaplan-Meier和Cox比例风险模型 Survival_analysis_example.Rmd 拟合生存模型的高级功能，包括Cox模型中的高级选项，coxph（）中的计数选项，Cox模型的诊断，Cox模型中的时间相关协变量等 生存高级 expand_nomissing_study1.csv 生存数据的数据文件 拟合分段指数比例风险模型 piecewise_exponential_proportional_hazards_model.R 使用GLM泊松模型拟合生存模型 simple_glm_survival.R 拟合生存树 Survivor_trees 生存模型和危险比的荟萃分析 metaanalysis_hazard_ratios.R 备忘单和其他资源 备忘单文件夹 改编自 改编自 改编自 额外资源

JESD204B-Survival-Guide应用指南中文版，看中文版更轻松些

看这个名字大家都懂得，11n就是经典之作， 11ac出来了，自然不用怀疑，细节就不列了，英文原版。

比较统计 使用R进行统计编程

JMbayes：贝叶斯方法下纵向和生存数据的联合模型 描述 该存储库包含R包JMbayes的源文件。 该软件包适用于使用MCMC的贝叶斯方法下的纵向数据和事件时间数据的联合模型。 这些模型主要适用于两种设置。 首先，当重点放在生存结果上时，我们希望说明误差测量的内源性（又称内部）时间相关协变量的影响。 其次，当重点放在纵向结果上时，我们希望纠正非随机辍学现象。 该软件包包含两个主要的联合模型拟合函数， jointModelBayes()和mvJointModelBayes() ，它们的语法相似，但功能不同。 基本功能jointModelBayes() 它可以拟合单个纵向结果和事件发生时间结果的联合模型。 用户可以使用参数densLong （默认值为正常pdf）为纵向响应指定自己的密度函数。 除其他外，这允许对具有分类和左删截纵向响应的联合模型以及具有Student-t误差项的鲁棒联合

这是大神Mattew Gast的802.11权威指南的续作，非常的经典，值得想了解802.11技术的人一读。

生存分析melanom案例绘图全

生存分析 本笔记本演示了生存分析的基础知识，生存分析是一种使用Python分析事件数据时间的方法。 它有6个部分。 生存分析和本笔记本中使用的数据的简要介绍 非参数方法：Kaplan-meier曲线，≥2组的对数秩检验统计 半参数方法：Cox比例风险模型，Schoenfeld残差，对数-对数图 参数方法：指数（加速故障时间（AFT），比例风险（PH）），威布尔（AFT，PH），Gompertz（PH），对数逻辑（比例赔率（PO）），对数正态（AFT），广义伽玛（AFT） 为第4节中的模型的生存预测构建置信区间 附录A：采用不同优化方法的参数模型结果