LogRankTest

LogRankTest[{data1,data2,…}]

使用对数秩类型检验，在 datai 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 datai 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 datai 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.
  • datai 必须是单变量 {x1,x2,…}.
  • datai 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：
  • ρFleming–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"y_(i)s^~(t_(i))/(y_(i)+1)
    "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：

Wolfram Research (2012)，LogRankTest，Wolfram 语言函数，https://reference.wolfram.com/language/ref/LogRankTest.html.

文本

Wolfram Research (2012)，LogRankTest，Wolfram 语言函数，https://reference.wolfram.com/language/ref/LogRankTest.html.

CMS

Wolfram 语言. 2012. "LogRankTest." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/LogRankTest.html.

APA

Wolfram 语言. (2012). LogRankTest. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/LogRankTest.html 年

BibTeX

@misc{reference.wolfram_2024_logranktest, author="Wolfram Research", title="{LogRankTest}", year="2012", howpublished="\url{https://reference.wolfram.com/language/ref/LogRankTest.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_logranktest, organization={Wolfram Research}, title={LogRankTest}, year={2012}, url={https://reference.wolfram.com/language/ref/LogRankTest.html}, note=[Accessed: 22-November-2024 ]}