| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 贝叶斯生存分析回归模型的相关研究 | 第8页 |
| 1.1.2 基于贝叶斯自适应Lasso的生存分析回归模型的变量选择 | 第8-9页 |
| 1.2 贝叶斯生存分析回归模型研究现状 | 第9-13页 |
| 1.2.1 贝叶斯生存分析回归模型发展简介 | 第10-11页 |
| 1.2.2 基于贝叶斯自适应Lasso的生存分析回归模型的变量选择 | 第11-13页 |
| 1.3 本文完成的主要工作 | 第13-14页 |
| 第2章 贝叶斯生存分析的相关基本理论 | 第14-21页 |
| 2.1 生存分析的数据类型 | 第14页 |
| 2.2 常用模型 | 第14-18页 |
| 2.2.1 参数估计方法 | 第14-17页 |
| 2.2.2 非参数估计方法 | 第17-18页 |
| 2.2.3 半参数估计方法 | 第18页 |
| 2.3 贝叶斯估计算法 | 第18-20页 |
| 2.4 贝叶斯推断中常用的分布 | 第20页 |
| 2.5 小结 | 第20-21页 |
| 第3章 右删失广义指数分布的尺度参数回归模型的极大似然估计 | 第21-28页 |
| 3.1 背景介绍 | 第21-22页 |
| 3.2 符号和模型 | 第22-23页 |
| 3.3 统计推断 | 第23-25页 |
| 3.4 数值模拟 | 第25-26页 |
| 3.5 实证分析 | 第26-27页 |
| 3.6 小结 | 第27-28页 |
| 第4章 右删失数据下广义指数分布的贝叶斯尺度参数回归模型 | 第28-35页 |
| 4.1 背景介绍 | 第28页 |
| 4.2 符号和模型定义 | 第28-29页 |
| 4.3 后验推断 | 第29-31页 |
| 4.4 数值模拟 | 第31-32页 |
| 4.5 实证分析 | 第32-33页 |
| 4.6 小结 | 第33-35页 |
| 第5章 区间删失数据下广义指数分布的贝叶斯尺度参数回归模型 | 第35-41页 |
| 5.1 符号和模型定义 | 第35-37页 |
| 5.2 后验推断 | 第37-38页 |
| 5.3 数值模拟 | 第38-39页 |
| 5.4 实证分析 | 第39-40页 |
| 5.5 小结 | 第40-41页 |
| 第6章 基于现状数据加性风险回归模型的贝叶斯自适应Lasso变量选择 | 第41-57页 |
| 6.1 背景介绍 | 第41-43页 |
| 6.2 符号和模型定义 | 第43-45页 |
| 6.3 贝叶斯推断 | 第45-47页 |
| 6.3.1 贝叶斯自适应Lasso | 第45-46页 |
| 6.3.2 后验推断 | 第46-47页 |
| 6.4 数值模拟及实例分析 | 第47-56页 |
| 6.4.1 模拟 1 | 第48-49页 |
| 6.4.2 模拟 2 | 第49-52页 |
| 6.4.3 模拟 3 | 第52-53页 |
| 6.4.4 模拟 4 | 第53-54页 |
| 6.4.5 实际例子 | 第54-56页 |
| 6.5 小结 | 第56-57页 |
| 第7章 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64-70页 |
| 作者简介 | 第70页 |
| 攻读硕士学位期间研究成果 | 第70页 |
