cox模型中协变量部分缺失且参数满足线性不等式约束下的极大似然估计

摘要

本文研究了Cox比例风险模型中协变量部分缺失且参数满足线性不等式约束下的极大似然估计问题．在实际问题中特别是对生存分析的研究中，数据经常会出现删失、截断、缺失的情况．如何利用这部分不完整的数据信息和参数的约束信息对于实际问题来说是有意义的．这样可以提高分析的精度，并节省试验费用．本文利用EM算法和约束下优化算法得到了数据部分缺失且参数满足线性不等式下的极大似然估计．

目录

文摘

英文文摘

声明

引言

§1.预备知识

§1.1风险函数基础理论

§1.2 Cox比例风险模型基础理论

§1.3 EM算法基础理论

§1.4内点罚函数法

§2.算法推导

§2.1 cox模型在数据缺失情况下的参数估计

§2.2数据缺失情况下的精确EM算法

§2.3数据缺失情况下的近似EM算法

§2.4同时满足数据缺失和约束条件下的优化迭代算法

结论

参考文献

致 谢