考虑右审查意见,与事件在时间。在时间i处易感个体的数量为n i,在时间i处事件的数量为d i。
的卡普兰-迈耶或产品估计自然的用MLE当生存函数是一个阶跃函数。的可能性然后 大号(α )= Π我(1 - α 我)d 我 α Ñ 我 - d 我我 和MLE是α我 = 1 - d 我
好的,现在假设我想去贝叶斯算法。我需要先乘某种``自然'' 对吧?
搜寻明显的关键字后,我发现Dirichlet流程是一个很好的先决条件。但是据我了解,它也是不连续点上的先验。
这当然很有趣,我很想学习,但是我会选择更简单的方法。我开始怀疑这并不像我最初想象的那么容易,是时候征求您的建议了...
提前谢谢了!
PS:什么我希望一些精密我感兴趣的(越简单越好)约前处理Dirichlet过程的方式解释,不过我想应该是可以使用简单地事先对 -这是阶跃函数在t i中具有不连续性。
我认为,在现有应采样的步骤的功能的“整体形状”不依赖于的-应该有由这些阶梯函数近似连续函数的底层的家庭。
我不知道,如果应该是独立的(我怀疑)。如果是这样,我认为这意味着现有α 我取决于Δ 吨我 = 吨我 - 吨我- 1,如果我们通过表示其分布甲(Δ 吨)然后一的产物甲(Δ 1)可变由一个独立的甲(Δ 2)变量是甲(Δ 1 + Δ 2)变量。在这里看来log- 变量可能是有用的。
但基本上我被困在这里。我最初没有输入此内容是因为我不想将所有答案都指向这个方向。我特别感谢书目参考的答案,以帮助我证明我的最终选择。