Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how

LogRankTest

LogRankTest[{data₁,data₂,…}]

使用对数秩类型检验，在 data_i 中测试等风险率.

LogRankTest[{data₁,data₂,…},wspec]

执行权值为 wspec 的加权对数秩检验.

LogRankTest[{data₁,…},wspec,"property"]

返回 "property" 的值.

更多信息和选项

LogRankTest 对 data_i 执行假设检验，其中零假设为总体的真实风险率等于（对于全部），而备择假设：对于某些的值，至少一个是不同的.
数字通常是 data_i 中的最大的事件时间.
默认情况下，返回概率值或者值.
较小的值表明不可能是真的.
data_i 必须是单变量 {x₁,x₂,…}.
data_i 可以是 SparseArray 或者 EventData 对象.
LogRankTest 基于，其中、和分别是观测到的事件数目，基于共用的样本的期望事件数目和某些权值.
对于已命名权值方法，时间处的权值通常基于风险处的数目，事件数，共用样本的乘积极限估值，或者共用样本的相似估值 .
可以给出下列权值指定 wspec：
ρ Fleming–Harrington 权值，其中

{ρ,γ} 完全指定的 Fleming–Harrington 权值

"name" 使用已命名权值方法
ρ 和 γ 的值可以是任意非负数值.
指定 ρ 和 γ 产生形如的 Fleming–Harrington 权值.
可能的已命名权值指定包括：
"AndersenPeto"

"Equal"

"Gehan"

"Peto"

"TaroneWare"
对于区间删失数据，使用 Zhao–Zhao–Sun–Kim 广义对数秩检验.
LogRankTest[{data₁,…},wspec,"HypothesisTestData"] 返回 HypothesisTestData 对象 htd，它可以用于使用格式 htd["property"] 提取额外检验结果和属性.
LogRankTest[{data₁,…},wspec,"property"] 可用于直接给出 "property" 的值.
与检验结果报告相关的属性包括：

	"DegreesOfFreedom"	用于检验的自由度
	"EventTimes"	用于检验的时间点列表
	"EventWeights"	用于每个事件时间的权值列表
	"PValue"	值列表
	"PValueTable"	由值组成的格式化表格
	"ShortTestConclusion"	检验结论的简短描述
	"TestConclusion"	检验结论的描述
	"TestData"	检验统计量和值组成的对的列表
	"TestDataTable"	由值和检验统计量组成的格式化表格
	"TestStatistic"	检验统计量的列表
	"TestStatisticTable"	检验统计量的格式化表格

可以给出下列选项：
Method Automatic 用于计算值的方法

SignificanceLevel 0.05 诊断和报告的截止

范例

打开所有单元关闭所有单元

基本范例 (4)

使用某些样本数据比较风险率：

创建 HypothesisTestData 对象，以进行重复属性提取：

检验某些删失数据：

在 5% 显著性水平处检测到显著差异：

执行加权对数秩检验：

使用已命名的权值方案：

使用 Fleming–Harrington 权值：

检验多个样本的等风险率：

生存率的可视化比较：

没有显著差异：

范围 (11)

检验 (7)

从对数秩检验获取值：

同时检验大量群：

对加权对数秩检验计算值：

已命名加权方案：

手动设置 Fleming–Harrington类型权值：

Fleming–Harrington 权值，其中和：

使用完全指定的 Fleming–Harrington 类型权值：

Fleming–Harrington 权值，其中和：

从 HypothesisTestData 对象提取某些属性：

值和检验统计量：

同时提取任意数目的属性：

值、检验统计量和自由度：

报告 (4)

制作检验结果的表格：

来自表格的数值：

获取自定义报告的属性：

制作值和检验统计量表格：

可视化用于检验的规范化权值：

已命名的加权方案趋向于强调早期事件：

Fleming–Harrington 权值可用于强调其他事件区域：

选项 (4)

Method (3)

默认情况下，用检验统计量的渐近分布来计算值：

基于随机排列的检验可能用较少的样本给出更好的结果：

指定执行的随机排列数目：

指定250个随机排列：

生成随机排列时使用同样的种子：

使用9作为种子：

SignificanceLevel (1)

在 "TestConclusion" 和 "ShortTestConclusion" 中使用显著性水平：

属性和关系 (7)

默认情况下，在下，假定检验统计量服从 ChiSquareDistribution：

加权方案允许强调特定时间点：

已命名方案倾向于在更多权值放在早期事件：

Fleming–Harrington 参数适合精细控制，而不是加权处理：

MannWhitneyTest 可用于没有双样本删失的情况：

检验是渐近等价的：

Kruskal–Wallis 检验可用于不出现多于两个样本的删失的情况：

检验是渐近等价的：

使用 SurvivalModelFit 估计生存概率：

估计生存曲线：

关于30处的生存概率，创建 95% 置信区间：

在出现协方差时，使用 CoxModelFit 估计生存概率：

获取参数估计：

可视化协方差水平和处的生存估计：

对数秩检验可以识别 TemporalData 的路径结构：

直接使用数值：

顶部