问题标签 [weibull]

我正在尝试在 JAGS 中建立一个允许时变协变量的生存模型。我希望它是一个参数模型——例如，假设生存遵循 Weibull 分布（但我想允许风险变化，所以指数太简单了）。因此，这本质上是可以在flexsurv包中完成的贝叶斯版本，它允许参数模型中的时变协变量。

因此，我希望能够以“计数过程”形式输入数据，其中每个主题都有多行，每行对应于其协变量保持不变的时间间隔（如本 pdf或此处所述。这是或包装允许的(start, stop]配方。survivalflexurv

不幸的是，关于如何在 JAGS 中进行生存分析的每一种解释似乎都假设每个主题只有一行。

我尝试采用这种更简单的方法并将其扩展到计数过程格式，但该模型无法正确估计分布。

失败的尝试：

这是一个例子。首先我们生成一些数据：

然后我们将数据分成每个受试者 2 个观察值。我只是在时间 = 300 时拆分每个主题（除非他们没有达到时间 = 300，他们只得到一个观察结果）。

现在我们可以设置 JAGS 模型了。

根据分割点的位置，模型估计基础分布的非常不同的参数。如果数据没有被拆分到计数过程表格中，它只会获取正确的参数。似乎这不是为此类问题格式化数据的方法。

如果我遗漏了一个假设，并且我的问题与 JAGS 的关系不大，而与我如何制定问题的方式更相关，那么非常欢迎提出建议。我可能对时变协变量不能用于参数生存模型（并且只能用于 Cox 模型之类的模型感到绝望，该模型假设风险恒定且实际上并不估计潜在分布）——然而，作为我在上面提到过，flexsurvregR 中的包确实适应了(start, stop]参数模型中的公式。

如果有人知道如何用另一种语言（例如 STAN 而不是 JAGS）构建这样的模型，那也将不胜感激。

编辑：

Chris Jackson 通过电子邮件提供了一些有用的建议：

我认为这里需要 JAGS 中用于截断的 T() 构造。基本上对于每个人活着但协变量不变的时期 (t[i], t[i+1])，生存时间在时期开始时被左截断，并且可能在结尾。所以你会写类似的东西y[i] ~ dweib(shape, scale[i])T(t[i], )

我尝试按如下方式实施此建议：

不幸的是，这并不能解决问题。使用旧代码，模型主要是正确地获得了比例参数，但在形状参数上做得非常糟糕。使用这个新代码，它非常接近正确的形状参数，但始终高估了比例参数。我注意到，高估的程度与分裂点出现的时间有关。如果分割点早（cens_point = 50），则实际上没有任何高估；如果来晚了（cens_point = 350），那么有很多。

我想这个问题可能与“重复计算”观察结果有关：如果我们在 t=300 看到一个删失的观察结果，那么来自同一个人，在 t=400 的一个未经删失的观察，对我来说，这个人似乎很直观为我们对 Weibull 参数的推断贡献了两个数据点，而实际上它们应该只贡献一个点。因此，我尝试为每个人加入随机效应；然而，这完全失败了，参数估计值很大（在 50-90 范围内）nu。我不确定为什么会这样，但也许这是一个单独的帖子的问题。由于我不是问题是否相关，您可以在此处找到整篇文章的代码，包括该模型的 JAGS代码。

我想在给定的时间间隔内生成一些 Weibull 随机数。例如，来自 Weibull 分布的 20 个随机数，形状为 2，尺度为 30，区间为 (0, 10)。

rweibullR 中的函数从具有给定形状和比例值的 Weibull 分布生成随机数。有人可以建议一种方法吗？先感谢您。

我的 python 代码在 Ubuntu 14.04 中成功运行；但是当我在 Windows 平台上运行时，它让我陷入了错误。编码：

错误：

你能帮我解决这个问题吗！

我正在尝试借助 R 中的 ggplot2 包构建用于可靠性分析的 Weibull 概率网格。我已经转换了数据，即时间和故障概率，使得两个参数 weibull 的累积分布函数符合直线网格中的线。

对于 y 轴，我编写了一个函数来转换显示百分比的双对数刻度。

现在我想在 x 轴上放置适当的中断和标签。单位只是时间，但轴是对数。对于较小的故障时间，我希望用整数标记和分解轴，例如像 c(100, 1000, 2000, 5000) 这样的向量。

对于更高的故障时间（时间> 5000），我想切换到对数刻度 10 ^(x)，x >= 4。

我在将 x 轴上的两件事结合起来时遇到了麻烦，希望有人可以帮助我解决这个问题。

下面是我的代码中“有趣”的部分。你可以看到我已经为对数 (10 ^(x)) 情况打破并标记了 x 轴。但正如我所说，我希望在一个轴上进行组合。
这是我到目前为止编码的内容。

希望我的语言足以解释我的问题。

最好的，蒂姆

我需要从我知道均值和方差的 Weibull 分布中抽取随机值。我想使用 Matlab，它的功能wblrnd需要形状和比例参数。现在，我从维基百科看到均值和方差与形状和比例参数相关，但它们之间存在Gamma Function。因此，我想知道：有没有办法从均值和方差分析到形状和尺度参数？如果没有，我该怎么做？

我估计了指数分布的 theta 和 Weibull 分布的 theta 和 tau。我想比较这两种分布，看看哪一种最适合我的数据。我怎么能在excel中做到这一点？我可以在excel中找到R平方值吗？

我有一组数据，如下图所示。

绘制数据

我想对这组数据进行对数正态分布（以及威布尔拟合）。我进行了很多研究，但仍然找不到如何在 Python 中进行。对于对数正态，我使用 excel 计算了 ln(x) 的平均值 ln(x) 和标准偏差。我还使用 excel 计算了 weibull 的形状参数和比例参数。我想在 python 中编写一个函数来获得对该数据的拟合，从而获得我的数据的比例、形状参数。任何人都可以帮忙吗？

我想知道为什么带有预建函数 dweibull.pdf 的 weibull pdf 的值或多或少是它们应该的一半

我做了一个测试。对于相同的 x，我两次为 A=10 和 K=2 创建了 weibull pdf，一次是自己编写公式，另一次是使用 dweibull 的预构建函数。

dweibull 的 pdf 值似乎是一半，但这是错误的，因为总和应该是 1，而不是 dweibull 的 0.5 左右。通过自己编写公式，总和约为 1[

通过拟合威布尔分布，我完全感到困惑

这些参数如何对应于https://en.wikipedia.org/wiki/Weibull_distribution中的 Weibull 分布？具体来说，awikic 和 中的lambda,​​ 是什么k？

在http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.exponweib.html#scipy.stats.exponweib中，pdf定义为

但在维基百科中，PDF 是

此外，如果我使用exponweib.pdf它返回的参数，我会得到不同的结果

我有一些简单的时间来事件数据，没有协变量。我试图将 Weibull 分布拟合到它。所以我有以下代码。在我加载我的姓名首字母之前，一切看起来都很好。它说“这个链包含未初始化的变量”。但我不明白。我认为 Weibull dist 只有 2 个参数，并且我已经指定了它们。您能否提一些建议？谢谢！