Model-Based Recursive Partitioning with Adjustment for Measurement Error : Applied to the Cox's Proportional Hazards and Weibull Model

Hanna Birke

ISBN 10: 3658085045 / ISBN 13: 9783658085049

Published by Springer Fachmedien Wiesbaden, Springer Fachmedien Wiesbaden, 2015

About this Item

Druck auf Anfrage Neuware - Printed after ordering - Model-based recursive partitioning (MOB) provides a powerful synthesis between machine-learning inspired recursive partitioning methods and regression models. Hanna Birke extends this approach by allowing in addition for measurement error in covariates, as frequently occurring in biometric (or econometric) studies, for instance, when measuring blood pressure or caloric intake per day. After an introduction into the background, the extended methodology is developed in detail for the Cox model and the Weibull model, carefully implemented in R, and investigated in a comprehensive simulation study.; Die ersten beiden Sätze des Kurztextes für den Umschlag sollen die wichtigsten Vorteile und Kernaussagen Ihres Buches herausstellen. Einleitungssätze wie In den letzten Jahren o.Ä. sollen vermieden werden. Dies dient dazu, dem Buch die bestmögliche Aufmerksamkeit und Auffindbarkeit zu gewährleisten. Bei Google und Amazon werden beispielsweise häufig nur Vorschauen angezeigt. Daher ist es wichtig, die Verkaufsargumente direkt in den ersten beiden Sätzen, die in einer solchen Vorschau erscheinen würden, zu platzieren. Auch lesen viele potenzielle Käufer nicht den ganzen Umschlagtext, sondern nur die ersten 1 bis 2 Sätze. Am Ende des Kurztextes kann gern noch ein Model-based recursive partitioning (MOB) provides a powerful synthesis between machine-learning inspired recursive partitioning methods and regression models. Hanna Birke extends this approach by allowing in addition for measurement error in covariates, as frequently occurring in biometric (or econometric) studies, for instance, when measuring blood pressure or caloric intake per day. After an introduction into the background, the extended methodology is developed in detail for the Cox model and the Weibull model, carefully implemented in R, and investigated in a comprehensive simulation study.

Seller Inventory # 9783658085049

Bibliographic Details

• Title: Model-Based Recursive Partitioning with Adjustment for Measurement Error : Applied to the Cox's Proportional Hazards and Weibull Model
• Publisher: Springer Fachmedien Wiesbaden, Springer Fachmedien Wiesbaden
• Publication Date: 2015
• Language: English
• ISBN 10: 3658085045
• ISBN 13: 9783658085049
• Binding: Taschenbuch
• Condition: Neu
• Dimensions: 210W x 148H x 15D millimeters 210 millimeters width by 148 millimeters height by 15 millimeters depth
• Weight: 346 grams

About this title

Synopsis

Die ersten beiden Sätze des Kurztextes für den Umschlag sollen die wichtigsten Vorteile und Kernaussagen Ihres Buches herausstellen. Einleitungssätze wie „In den letzten Jahren…“ o.Ä. sollen vermieden werden. Dies dient dazu, dem Buch die bestmögliche Aufmerksamkeit und Auffindbarkeit zu gewährleisten. Bei Google und Amazon werden beispielsweise häufig nur Vorschauen angezeigt. Daher ist es wichtig, die Verkaufsargumente direkt in den ersten beiden Sätzen, die in einer solchen Vorschau erscheinen würden, zu platzieren. Auch lesen viele potenzielle Käufer nicht den ganzen Umschlagtext, sondern nur die ersten 1 bis 2 Sätze. Am Ende des Kurztextes kann gern noch ein Model-based recursive partitioning (MOB) provides a powerful synthesis between machine-learning inspired recursive partitioning methods and regression models. Hanna Birke extends this approach by allowing in addition for measurement error in covariates, as frequently occurring in biometric (or econometric) studies, for instance, when measuring blood pressure or caloric intake per day. After an introduction into the background, the extended methodology is developed in detail for the Cox model and the Weibull model, carefully implemented in R, and investigated in a comprehensive simulation study.

About the Author

Hanna Birke wrote her master thesis under the supervision of Prof. Dr. Thomas Augustin at the department of statistics of the LMU Munich and is currently working on her doctoral thesis.