サインイン
Click here - to use the wp menu builder
サインイン
ようこそ！
あなたのアカウントにログイン
あなたのユーザー名
あなたのパスワード
パスワードを忘れましたか？
プライバシーポリシー
パスワードの復元
パスワードをリカバーする
あなたのEメール
検索
i DataScience
現代データサイエンスの基礎と実践
相関分析
回帰分析
一般化線形モデル（GLM）
生存時間解析
当サイトについて
利用規約
プライバシー・ポリシー
お問い合わせ
Linkedin
CrowdWorks
CrowdWorks
i DataScience
2026年 6月 14日 日曜日
当サイトについて
利用規約
プライバシー・ポリシー
お問い合わせ
i DataScience
中級者向けのデータサイエンス学習メディア
【統計学 & 機械学習】
Movies
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
TV Shows
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Music
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Celebrity
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Scandals
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Drama
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Lifestyle
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Health
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Technology
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Company
当サイトについて
利用規約
プライバシー・ポリシー
お問い合わせ
Instagram
Linkedin
X
現代データサイエンスの基礎と実践
第1章 統計学とデータ分析の基本原則
第2章 主要な確率分布とその実用的な意味
第3章 データの要約と探索
第4章 モデルの前提条件と妥当性検証
第5章 推測統計学（仮説の検証）
第6章 回帰分析とモデルの正則化
第7章 一般化線形モデル（GLM）
第8章 構造的・階層的モデリング
第9章 多変量解析と次元削減
第10章 生存時間解析
総括：現代データサイエンスにおける統計モデリングの体系と実践
2026年3月11日
10.4 パラメトリック生存時間モデル
2026年3月11日
10.3 比例ハザード性の検証と拡張
2026年3月10日
10.2 Cox比例ハザードモデル
2026年3月9日
10.1 生存時間分析の基礎（カプラン・マイヤー法）
2026年3月8日
相関分析
回帰分析
一般化線形モデル（GLM）
生存時間解析
検索
Movies
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
TV Shows
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Music
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Celebrity
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Scandals
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Drama
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Lifestyle
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Health
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Technology
9. 部分尤度：Cox モデルの推定理論
生存時間解析
2026年6月10日
0
部分尤度の動機と統計的位置づけ Cox比例ハザードモデルは、ハザード関数を乗法構造 $$ h(t|mathbf{x}) = h_0(t)exp(boldsymbol{beta}^topmathbf{x}) $$ として定式化します。ここで$h_0(t)$は基準ハザード関数（ベースラインハザード）、$boldsymbol{beta}$は回帰係数ベクトル、$mathbf{x}$は共変量ベクトルです。このモデルはセミパラメトリック構造を持ち、関心パラメータ$boldsymbol{beta}$のほかに、無限次元のニュアンスパラメータである$h_0(t)$を含みます。 完全尤度を構成すれば$boldsymbol{beta}$と$h_0(t)$を同時に推定することも原理的には可能です。しかし$h_0(t)$は非常に自由度の高い関数であり、これを最大化すると各観測時刻で無限大のスパイクが生じて解が崩壊します。また、$h_0(t)$を有限次元のパラメトリック族に制限することは、そのモデル設定の誤りに対してロバストでなくなるという代償を伴います。完全尤度最尤推定では、$h_0(t)$の推定に要するコストが$boldsymbol{beta}$の推定精度を損なう可能性があります。 この問題に対し、完全尤度を概念的に $$ L = L_{text{partial}}(boldsymbol{beta}) times L_{text{baseline}}(h_0, boldsymbol{beta}) $$ と分解する考え方が有効です。$L_{text{partial}}$は$h_0(t)$を含まない$boldsymbol{beta}$のみの関数であり、$L_{text{baseline}}$はベースライン成分を担います。この分解により、$h_0(t)$を推定せずに$boldsymbol{beta}$の推定が可能になります。これが部分尤度の核心的発想です。 部分尤度は通常の周辺尤度とも条件付き尤度とも異なります。周辺尤度はニュアンスパラメータを積分消去しますが、部分尤度は各イベント時刻での条件付き確率の積によって$h_0(t)$を代数的に消去します。この構成は、イベントの発生順序に着目した条件付けに基づいており、セミパラメトリック推定の中核をなす方法論です。プロファイル尤度は$h_0(t)$を$boldsymbol{beta}$の関数として最大化消去する方法であり、部分尤度とは消去の手続きが異なりますが、実用上は近似的に同等な推定結果を与えます。 部分尤度関数の定義と構造 $n$個の個体について生存時間データを観測し、$D$件のイベント発生があったとします。イベント発生時刻の順序統計量を $$ t_{(1)} le...
8. Cox比例ハザードモデル：セミパラメトリック回帰の理論
生存時間解析
2026年6月6日
0
セミパラメトリック構造の動機：なぜCoxモデルが必要か 生存分析における中心的な概念であるハザード関数 $h(t)$ は、確率密度関数 $f(t)$ と生存関数 $S(t)$ を用いて $$ h(t) = frac{f(t)}{S(t)} $$ と定義されます。$h(t)$...
7. パラメトリック生存モデル：指数・ワイブル・対数正規分布
生存時間解析
2026年6月6日
0
パラメトリックアプローチの概要と位置づけ 生存時間解析において、観測対象がイベントを経験するまでの時間 $T$ を確率変数として扱います。基本的な量として生存関数 $$S(t) = P(T > t)$$ が定義され、時点 $t$ までイベントが発生しない確率を表します。ハザード関数は $$h(t)...
5. Nelson-Aalen推定量：累積ハザード関数の推定
生存時間解析
2026年6月4日
0
累積ハザード関数とは何か 生存分析において、ある時刻 $t$ までにイベントが発生するリスクの蓄積量を定量化する関数が累積ハザード関数 $H(t)$ です。連続時間モデルでは、瞬間ハザード関数 $h(u)$ を時刻 0 から...
4. Kaplan-Meier推定量：ノンパラメトリック生存曲線推定
生存時間解析
2026年6月3日
0
ノンパラメトリック生存曲線推定の必要性 生存時間データは通常の連続変数データとは異なる複数の特殊性を持ちます。観測値は非負に制約され、分布は右に歪み、観測期間の終了・被験者の転居・治療変更などの理由でイベントが観測されない打ち切り観測が混在します。経験的累積分布関数は完全観測データを前提とするため、打ち切りを含むデータにそのまま適用すると生存確率の推定が偏ります。打ち切り個体の真のイベント時刻が未観測である以上、通常の順位統計やモーメント推定量は適切な一致性を持ちません。 各個体$i$について、観測時刻$t_i$とイベント発生の有無を示す指示変数$delta_i in {0,1}$を定義します。$delta_i = 1$はイベント発生、$delta_i = 0$は打ち切りを意味します。生存関数は$S(t) = P(T...
Company
当サイトについて
利用規約
プライバシー・ポリシー
お問い合わせ
Instagram
Linkedin
X
現代データサイエンスの基礎と実践
第1章 統計学とデータ分析の基本原則
第2章 主要な確率分布とその実用的な意味
第3章 データの要約と探索
第4章 モデルの前提条件と妥当性検証
第5章 推測統計学（仮説の検証）
第6章 回帰分析とモデルの正則化
第7章 一般化線形モデル（GLM）
第8章 構造的・階層的モデリング
第9章 多変量解析と次元削減
第10章 生存時間解析
総括：現代データサイエンスにおける統計モデリングの体系と実践
2026年3月11日
10.4 パラメトリック生存時間モデル
2026年3月11日
10.3 比例ハザード性の検証と拡張
2026年3月10日
10.2 Cox比例ハザードモデル
2026年3月9日
10.1 生存時間分析の基礎（カプラン・マイヤー法）
2026年3月8日
相関分析
回帰分析
一般化線形モデル（GLM）
生存時間解析
検索
一般化線形モデル（GLM）
24. GLMから機械学習へ：確率的勾配降下と深層学習との接点
一般化線形モデル（GLM）
KenichiroSuzuki
-
23. 正則化GLM：Lasso・Ridgeの一般化線形モデルへの拡張
一般化線形モデル（GLM）
KenichiroSuzuki
-
22. GLMの影響点診断：Cook距離・DFBETASと外れ値検出
一般化線形モデル（GLM）
KenichiroSuzuki
-
21. GLMの漸近理論：最尤推定量の統計的性質
一般化線形モデル（GLM）
KenichiroSuzuki
-
20. Tweedie分布族：複合ポアソン-ガンマモデルと保険統計
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年6月1日
19. ベイズGLM：事前分布と事後推定の枠組み
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年6月1日
18. 混合効果ロジスティック回帰：階層2値データの分析
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
17. 一般化推定方程式（GEE）：クラスター相関データの周辺モデル
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
16. GLMの交互作用：効果修飾と調整効果の検定
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
15. ゼロ過剰モデル：ZIP・ZINBの理論と応用
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
14. 多項ロジスティック回帰：多クラス分類の統計モデル
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
13. 順序ロジスティック回帰：順序応答変数のモデリング
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
12. 負の二項回帰：カウントデータの過分散対応
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
11. 過分散問題：診断と準尤度推定
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
10. プロビット回帰と2値応答モデルの比較
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日
9. GLMのモデル選択：AIC・BIC・尤度比検定
一般化線形モデル（GLM）
KenichiroSuzuki
-
2026年5月31日