Fr. 70.00

Model-Based Recursive Partitioning with Adjustment for Measurement Error - Applied to the Cox's Proportional Hazards and Weibull Model

English · Paperback / Softback

Shipping usually within 6 to 7 weeks

Description

Read more

Die ersten beiden Sätze des Kurztextes für den Umschlag sollen die wichtigsten Vorteile und Kernaussagen Ihres Buches herausstellen. Einleitungssätze wie In den letzten Jahren o.Ä. sollen vermieden werden. Dies dient dazu, dem Buch die bestmögliche Aufmerksamkeit und Auffindbarkeit zu gewährleisten. Bei Google und Amazon werden beispielsweise häufig nur Vorschauen angezeigt. Daher ist es wichtig, die Verkaufsargumente direkt in den ersten beiden Sätzen, die in einer solchen Vorschau erscheinen würden, zu platzieren. Auch lesen viele potenzielle Käufer nicht den ganzen Umschlagtext, sondern nur die ersten 1 bis 2 Sätze. Am Ende des Kurztextes kann gern noch ein Model-based recursive partitioning (MOB) provides a powerful synthesis between machine-learning inspired recursive partitioning methods and regression models. Hanna Birke extends this approach by allowing in addition for measurement error in covariates, as frequently occurring in biometric (or econometric) studies, for instance, when measuring blood pressure or caloric intake per day. After an introduction into the background, the extended methodology is developed in detail for the Cox model and the Weibull model, carefully implemented in R, and investigated in a comprehensive simulation study.

List of contents

MOB and Measurement Error Modelling.- Derivation of an Adjusted MOB Algorithm for Covariates Measured with Error for the Cox and Weibull Model.- Implementation of the Suggested Method for the Weibull Model in the Open-Source Programming Language R.- Simulation Study Showing the Performance of the Implemented Method.

About the author

Hanna Birke wrote her master thesis under the supervision of Prof. Dr. Thomas Augustin at the department of statistics of the LMU Munich and is currently working on her doctoral thesis.

Summary

Die ersten beiden Sätze des Kurztextes für den Umschlag sollen die wichtigsten Vorteile und Kernaussagen Ihres Buches herausstellen. Einleitungssätze wie „In den letzten Jahren…“ o.Ä. sollen vermieden werden. Dies dient dazu, dem Buch die bestmögliche Aufmerksamkeit und Auffindbarkeit zu gewährleisten. Bei Google und Amazon werden beispielsweise häufig nur Vorschauen angezeigt. Daher ist es wichtig, die Verkaufsargumente direkt in den ersten beiden Sätzen, die in einer solchen Vorschau erscheinen würden, zu platzieren. Auch lesen viele potenzielle Käufer nicht den ganzen Umschlagtext, sondern nur die ersten 1 bis 2 Sätze. Am Ende des Kurztextes kann gern noch ein Model-based recursive partitioning (MOB) provides a powerful synthesis between machine-learning inspired recursive partitioning methods and regression models. Hanna Birke extends this approach by allowing in addition for measurement error in covariates, as frequently occurring in biometric (or econometric) studies, for instance, when measuring blood pressure or caloric intake per day. After an introduction into the background, the extended methodology is developed in detail for the Cox model and the Weibull model, carefully implemented in R, and investigated in a comprehensive simulation study.

Product details

Authors Hanna Birke
Publisher Springer, Berlin
 
Languages English
Product format Paperback / Softback
Released 01.01.2015
 
EAN 9783658085049
ISBN 978-3-658-08504-9
No. of pages 240
Dimensions 149 mm x 13 mm x 213 mm
Weight 346 g
Illustrations XXIV, 240 p. 65 illus.
Series Springer Spektrum
BestMasters
BestMasters
Subjects Natural sciences, medicine, IT, technology > Mathematics > Probability theory, stochastic theory, mathematical statistics

Onkologie, B, Oncology, Behavioral Science and Psychology, Computational Mathematics and Numerical Analysis, Cancer Research, Computer mathematics, Maths for scientists, Biomedical Research, Biomathematics, Mathematical and Computational Biology

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.