English  |  正體中文  |  简体中文  |  Items with full text/Total items : 66984/66984 (100%)
Visitors : 22947780      Online Users : 402
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version


    Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/7506


    Title: 病例-對照研究之貝氏分析;Analysis of case-control studies using Bayesian approach
    Authors: 陳錦華;Jin-Hua Chen
    Contributors: 統計研究所
    Keywords: 交互作用;勝算比;病例-對照研究;邏輯斯迴歸;輪廓概似函數;貝氏;Bayesian;profile likelihood function;case-only design;odds ratio;interaction;case-control study;logistic regression
    Date: 2005-05-26
    Issue Date: 2009-09-22 10:59:02 (UTC+8)
    Publisher: 國立中央大學圖書館
    Abstract: 本文主要是在病例-對照研究下,利用貝氏分析的方法,討論危險因子(包括和基因相關之“致病基因"及非基因相關之“環境因子")及疾病的關係。我們欲利用和目前研究有高度相似性的歷史資料,當為我們的事前分配的訊息,引入power prior 當為事前分配,它可以將歷史資料的訊息納入。 首先,討論在族群符合Hardy-Weinberg Equilibrium (HWE)及條件獨立的假設下,研究:1.單一基因座及疾病之關係; 2 .單一基因座、環境因子和疾病之關係。以上兩情況下,在病例-對照研究的資料及假設條件下,如何建構模型,以得到概似函數?另外,如何引入power prior 當為事前分配?如此則能進行貝氏分析。此為我們討論的目標之一。 再者,在一般化的情況下(不須在HWE 及條件獨立的假設),當危險因子(離散型變數或連續型變數離散化)的個數或類別很多時,則參數個數亦會增加,在估計上會遇到難以估計參數的問題;如何將我們沒有興趣的干擾參數消除,以簡化參數的個數,使得在貝氏分析的估計上能更有效率。 以上兩的主題皆利用power prior,可視為歷史資料的概似函數,不但包含了歷史資料的訊息且也保留了資料的模型結構,在使用上是十分簡便的。
    Appears in Collections:[統計研究所] 博碩士論文

    Files in This Item:

    File SizeFormat
    0KbUnknown849View/Open


    All items in NCUIR are protected by copyright, with all rights reserved.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback  - 隱私權政策聲明