我尝试将简单的生存模型从这里（介绍中的第一个）从 PyMC 2 移植到 PyMC 3。但是，我没有找到任何与“观察到的”装饰器等效的东西，并且我尝试编写新的发行版失败了。有人可以提供一个例子，这是如何在 PyMC 3 中完成的？

我的问题与计算通过 Stata 中的 Weibull 回归估计的系数得出的转换概率的标准差 (SD) 有关。

转换概率被用于模拟白血病患者在 40 个 90 天（约 10 年）周期内的疾病进展。我需要概率的 SD（随着马尔可夫模型的运行而变化）来创建 beta 分布，其参数可以使用相应的马尔可夫循环概率及其 SD 来近似。然后使用这些分布进行概率敏感性分析，即用它们代替简单概率（每个周期一个），从中随机抽取可以评估模型成本效益结果的稳健性。

无论如何，使用事件生存时间数据，我使用回归分析来估计可以插入方程以生成转移概率的系数。例如...

然后，我们使用方程 () 创建概率，该方程使用 p 和 _cons 以及 t 表示时间（即马尔可夫循环数）和 u 表示周期长度（通常是一年，因为我与白血病患者一起工作，所以我的时间是 90 天他们很可能发生事件，即复发或死亡）。

所以其中 lambda = p, gamma = (exp(_cons))

谈到可变性，我首先计算系数的标准误差

但我真正追求的是转换值的标准错误，例如，

但这不起作用，而且我正在使用的书并没有给出关于获取这些额外信息的提示。任何关于如何接近的反馈将不胜感激。

假设我有一个终生数据集，比如肾脏数据。有一些协变量年龄，性别，疾病。性别有 2 个类别（F、M），疾病有 4 个类别（其他、GN、AN、PKD）。我想估计 Cox 比例风险模型的参数。年龄、性别、GN、AN、PKD有5个参数。我正在尝试这样。我怎样才能最大化这个功能？

偏似然函数

我正在尝试使用 R 生存包来生成一个log(-log(survival))针对 log(time)的图

_{（有时建议将其作为目视检查加速寿命或成比例的危险特性的一种方法）。}

中的“ fun=cloglog”选项plot.survfit没有产生我期望的结果。

使用“MASS”库中的“gehan”数据：

首先，对于治疗组和对照组，这是一个简单的生存时间图：

到目前为止还可以。现在，如果我使用该fun=cloglog选项， plot.survfit 的文档让我认为我会得到一个 plot 的log(-log(survival))反对log(time)：

乐趣

定义生存曲线变换的任意函数。例如 fun=log 是绘制对数生存曲线的另一种方法（但轴标有 log(S) 值），而 fun=sqrt 将生成平方根刻度曲线。可以使用字符参数指定四种常用的转换：“log”与使用 log=T 选项相同，“event”绘制累积事件 (f(y) = 1-y)，“cumhaz”绘制累积事件危险函数 (f(y) = -log(y))，“cloglog”创建一个互补的对数生存图 (f(y) = log(-log(y)) 以及 x 轴的对数刻度）。

但是，当我尝试这个时，它似乎并没有使用该log(-log(y))函数，因为显示的曲线仍在减少（由于原始生存曲线是减少的，并且应用的f(y)=log(-log(y))函数是减少函数，因此结果log(-log(survival))曲线应该是增加的）。

此外，x 轴不是对数缩放的：

我可以通过定义自己的log(-log())函数并使用以下log="x"选项来获得我想要的东西：

那么：我在上面做错了什么（或者我如何误解了plot.survfit文档）？

补充问题：一个"fun="选项将如何改变水平轴上的比例，正如文档所声称的"fun=cloglog"那样，当从表面上看，参数"fun"是一个应用于垂直变量的函数？

我一直在尝试使用autoplotpackage 中的函数绘制生存函数survMisc。到目前为止它很好，情节很好，但问题是我不能使用scale_color_grey灰度。

代码是：

我想问题是这autoplot是创建一个空白对象...有什么办法可以将它们更改为灰度颜色？或者如果我想要黑白背景怎么办？

这个p其实是NULL

在我目前的工作中，我经常使用 survfit() 来计算生存数据的 Kaplan-Meier 估计值，并使用 survdiff() 进行对数秩检验。

我想知道如何从 survfit() 调用中提取公式和子集信息并将其直接输入到 survdiff() 中。我通常使用

但这不会识别我的 survfit 调用中提供的任何子集参数。

例如：

这不是我想要的，而是我想要的

但我希望找到一种方法，让我不必再次添加子集信息。

谢谢！

我正在从以前发布的数据中重新运行 Kaplan-Meier 生存曲线，使用该出版物中使用的确切数据集（Charpentier 等人，2008 - 环尾狐猴 (Lemur catta) 的近交衰退：遗传多样性预测寄生性、免疫能力和幸存者）。该出版物使用 LIFETEST 运行 SAS 版本 9 中的曲线，以分析由遗传杂合性和动物性别构成的死亡年龄（n=64）。她报告的卡方值为 6.31，ap 值为 0.012；但是，当我在 R 中运行曲线时，我得到的卡方值为 0.9，ap 值为 0.821。谁能解释一下这个？？

使用的 R 代码：Age 是死亡时间，mort 是审查代码，sex 是性别阶层，ho2 是划分要比较的两组的因素。

我正在尝试在我的完整模型clogit（来自 package survival）上运行挖泥机，但每次尝试时 R 都会崩溃。我只是收到一条错误消息，说“R 遇到致命错误。会话已终止。”

这是我的代码。关于为什么会崩溃的任何想法，或者我可以在模型上运行完整挖泥机的其他方法？

谢谢你。

我一直在寻找使用 ggplot2 绘制生存曲线的解决方案。我找到了一些很好的例子，但它们并不遵循整个 ggplot2 美学（主要是关于阴影置信区间等）。所以最后我写了自己的函数：

我为每个层编写了一个使用 for 循环的先前版本，但速度较慢。由于我不是程序员，因此我寻求改进功能的建议。也许添加一个包含风险患者的数据表，或者更好地集成到 ggplot2 框架中。

谢谢

如何将 proc lifetest 生存图模板更改回默认模板？