简介:摘要目的系统介绍病例队列研究设计的基本原理,以及风险比(HR)的常用估计方法及其应用。方法首先,介绍病例队列研究设计的基本原理;其次,对Prentice法、Self-Prentice法和Barlow法加权Cox比例风险回归模型进行描述和说明;最后,以上海市女性健康队列研究为例,分析全队列数据与病例队列样本中肥胖与肝癌发病的关联,并进一步比较两者在各种模型中参数估计的结果。结果在全队列数据和病例队列样本中,发现肥胖与女性肝癌发病的关联均有统计学意义。在Cox比例风险回归模型中,全队列数据和病例队列样本的回归系数(β)随着协变量调整有所波动,但是两者的HR值较为接近;两者β的标准误存在差异,即病例队列样本β的标准误大于全队列的参数估计值,HR值的95%CI更宽。在加权Cox比例风险回归模型中,Prentice法相比Self-Prentice法和Barlow法的β的标准误更接近全队列的参数估计值,HR值的95%CI更靠近全队列的结果。结论病例队列研究设计通过收集和分析子队列成员和发病者的资料,可以获得接近全队列的参数结果,同时能够节约样本量和提高研究效率。此外,在病例队列设计中可以优先选择Prentice法。
简介:文中对给定容量为n的一个伽玛分布样本,在刻度平方误差损失函数下,研究了伽玛分布参数的Bayes估计,证明了这一估计是可容许的,并给出了未知参数的Bayes区间估计.
简介:高斯过程机器学习是基于严格的统计学习理论而新发展的方法,该方法在求解小样本、高维数的非线性问题上具有一定的适应性.针对采用直接蒙特卡洛方法进行功能函数计算代价较高的结构可靠度分析时计算效率过低的瓶颈问题,提出了一种基于高斯过程回归模型的直接蒙特卡洛模拟方法.该方法利用有限元等数值方法构造少量的学习样本,通过学习后的高斯过程回归模型重构隐式功能函数,直接建立随机变量与功能函数值的映射关系,进而结合直接蒙特卡洛方法推求结构的失效概率与可靠指标.算例研究表明,该方法简单易行,与传统蒙特卡洛模拟法相比较,计算效率明显较高,且易于与各种工程结构分析程序或商业计算软件相结合.
简介:根据直接序列扩频(DS-SS)信号的特点,将其建立为循环平稳模型。利用循环谱分析的方法估计了低信噪比下DS-SS信号的载波频率。利用时域平滑循环周期图估计了循环谱密度函数,在循环谱密度函数的数字实现过程中,研究了有限采集数据条件下数据截短点数对循环谱的时域平滑周期图估计性能的影响,分析了经过时域平滑后的DS-SS信号载频估计精度。最后,仿真实验验证了算法的有效性。