Xem xét các quan sát được kiểm duyệt đúng, với các sự kiện tại các thời điểm . Số lượng cá thể nhạy cảm tại thời điểm là và số lượng sự kiện tại thời điểm là .
Kaplan-Meier hoặc công cụ ước tính sản phẩm phát sinh tự nhiên dưới dạng MLE khi hàm tồn tại là hàm bước . Khả năng là
OK, bây giờ giả sử rằng tôi muốn đi Bayesian. Tôi cần một số loại '`tự nhiên' 'trước đó tôi sẽ nhân , phải không?
Tìm kiếm các từ khóa rõ ràng tôi thấy rằng quy trình Dirichlet là một ưu tiên tốt. Nhưng theo tôi hiểu, đó cũng là một ưu tiên về điểm gián đoạn ?
Điều này chắc chắn rất thú vị và tôi rất muốn tìm hiểu về nó, tuy nhiên tôi sẽ giải quyết cho một cái gì đó đơn giản hơn. Tôi bắt đầu nghi ngờ điều đó không dễ như tôi nghĩ ban đầu, và đã đến lúc hỏi lời khuyên của bạn ...
Rất cám ơn trước!
Tái bút: Một vài độ chính xác về những gì tôi hy vọng tôi quan tâm (đơn giản nhất có thể) về cách xử lý quy trình Dirichlet trước đó, tuy nhiên tôi nghĩ rằng có thể sử dụng đơn giản trước một - đó là một ưu tiên trên các chức năng bước với sự không liên tục trong .t i
Tôi nghĩ rằng "hình dạng toàn cầu" của các hàm bước được lấy mẫu ở trước không nên phụ thuộc vào - nên có một nhóm các hàm liên tục nằm bên dưới được xấp xỉ bởi các hàm bước này.
Tôi không biết liệu có độc lập không (tôi nghi ngờ điều đó). Nếu đúng như vậy, tôi nghĩ điều này ngụ ý rằng trước phụ thuộc vào và nếu chúng tôi biểu thị phân phối của nó bởi thì sản phẩm của biến bởi biến độc lập là biến . Dường như ở đây các biến log- có thể hữu ích.
Nhưng ở đây về cơ bản tôi đang bị mắc kẹt. Lúc đầu tôi không gõ cái này vì tôi không muốn hướng tất cả các câu trả lời theo hướng này. Tôi đặc biệt đánh giá cao câu trả lời với các tài liệu tham khảo thư mục để giúp tôi biện minh cho sự lựa chọn cuối cùng của mình.