最近在看《产品的视角-从热闹到门道》这本书,是三节课的后显慧(鲁克)写的,看完感觉受益匪浅,在这里把书中关于产品分析的关键点记录下。竞品分析,包含两部分,其一是竞争分析,其二是产品分析,另外还有一个行业分析。一、竞争分析的概念是:分析自己的产品在竞争格局中属于什么位置,有什么优势和劣势。方法有:1、swot模型:strengths优势、weaknesses劣势、opportunities机会、th
转载 2024-01-14 14:35:30
70阅读
# 竞争风险分析:使用R语言的实用指南 在当今快速变化的市场环境中,竞争风险的分析成为了企业战略制定的重要组成部分。竞争风险分析的目的在于识别市场中的潜在威胁,评估其可能对企业造成的影响,并制定相应的应对策略。本篇文章将介绍如何使用R语言进行竞争风险分析,同时附带相应的代码示例,帮助读者更好地理解这一过程。 ## 1. 竞争风险的定义 竞争风险是指因市场竞争对企业实现目标或盈利能力产生负面影
原创 10月前
188阅读
Predicting risk of stillbirth and preterm pregnancies with machine learningAki Koivu1* and Mikko Sairanen2简介背景死产的定义是婴儿出生后没有生命迹象的门槛约20-22周的妊娠。早产儿(PTB)是指妊娠37周前分娩的妊娠。已被提出的评估死产风险的风险模型从受试者工作
# R语言竞争模型校准曲线的应用 在生存分析和临床研究中,常常需要估计不同治疗或干预的效果。有时,患者可能会经历多种结果,这就需要使用竞争风险模型来处理这些复杂的情况。本文将深入探讨R语言竞争模型的校准曲线的构建及其重要性,并通过示例代码进行实际演示。 ## 什么是竞争风险模型? 竞争风险模型是一种用于分析多种可能事件发生概率的统计模型。在临床数据中,某些患者可能会发生多种事件(例如死亡、
原创 2024-10-26 04:46:19
91阅读
  混淆矩阵  在Rattle程序包中,Evaluate的默认评估标准即为混淆矩阵。在单击“执行”按钮之后系统将会根据所选数据集,计算得出相应所选模型的混淆矩阵。  该矩阵主要用于比较模型预测值同实际真实值之间的差别。通过混淆矩阵我们能够很清晰地观察到模型中的正确肯定判断、错误肯定判断、正确否定判断以及错误肯定判断的具体情况,这有利于我们根据实际需求去调整相应的模型。  下图为利用天气数据集所建立
一、R语言介绍1、免费的统计软件。 具有顶尖的统计功能。其他统计软件多多少少会收费。课程大纲1、什么是数据?通常数据被认为是狭义上的数字,现在数字的含义被拓宽了,不仅是数字,也可以是字符、字母或者是文字。 比如:天气,食谱,等等。2、数据分析(1)分析商品的价格走势,从而做出预判,进一步进行选择。 (2)数据分析的过程:数据采集:APP偷偷采集网页浏览记录。有的安卓 app 手电筒也要访问通讯录的
  主成分分析(principal components analysis, PCA)是一种分析、简化数据集的技术。它把原始数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上,依次类推。主成分分析经常用减少数据集的维数,同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分,忽
目录目录1.引言2.安装,数据的读取和保存不讲。这个有别的大佬讲了,没有创新点。3.标准方法3.1 固定效应模型与随机效应模型3.1.1 连续型结果的数据测量3.1.2 固定效应模型3.1.3 随机效应模型3.1.4 异质性检验3.1.5 亚组分析3.1.6 其他结果的meta分析3.1.7 总结3.2 二元结果的meta分析3.3 异质性与meta回归4.进阶操作(将在后续部分讲,敬请期待)4.
转载 2023-08-21 10:10:29
272阅读
在前面的章节中,我们已经探讨了2种SCI单因素表的制作方法,今天我们来将第三种表,其实这三种表已经涵盖了绝大部分的SCI的单因素表,只要您有心,绝对可以做出来。今天我们来看看这第三种,这种就像是第二种的加强版,先把产妇分为未生育的和已经生育的,再在里面比较两个人群前置胎盘患者的关系。 我们还是使用既往的乳腺癌的数据 age表示年龄,pathsize表示病理肿瘤大小(厘米),lnpos表示腋窝淋巴结
转载 2023-10-25 18:55:49
108阅读
原文链接:http://tecdat.cn/?p=22422在本文中,我们描述了灵活的竞争风险回归模型。回归模型被指定为转移概率,也就是竞争性风险设置中的累积发生率。该模型包含Fine和Gray(1999)的模型作为一个特例。这可以用来对次分布危险的比例假设做拟合度测试(Scheike和Zhang 2008)。还可以为预测的累积发病率曲线构建置信区间。我们将这些方法应用于Pintilie(2007)的滤泡细胞淋巴瘤数据,其中竞争风险是疾病复发和没有复发的死亡。工作实例:滤泡细胞淋巴瘤研究..
原创 2021-05-19 21:31:58
963阅读
原文链接:http://tecdat.cn/?p=22422在本文中,我们描述了灵活的竞争风险回归模型。回归模型被指定为转移概率,也就是竞争性风险设置中的累积发生率。该模型包含Fine和Gray(1999)的模型作为一个特例。这可以用来对次分布危险的比例假设做拟合度测试(Scheike和Zhang 2008)。还可以为预测的累积发病率曲线构建置信区间。我们将这些方法应用于Pintilie(2007)的滤泡细胞淋巴瘤数据,其中竞争风险是疾病复发和没有复发的死亡。工作实例:滤泡细胞淋巴瘤研究..
原创 2021-05-12 13:37:48
1201阅读
使用的数据nations.csv 第3周及以后使用的来自世界银行指标门户的数据。warming.csv 有关1880年至2017年全球年平均温度 。yearvalue 全球平均温度,与1900-2000年的平均温度相比。simulations.csv美国国家航空航天局(NASA)对历史温度的模拟数据,估计了自然和人为因素对气候的影响, 包含以下变量:yeartype&
第二章 风险分析风险管理 评估:确定并评估系统中存在的风险分析分析风险对系统产生的潜在影响响应:规划如何响应风险的策略缓解: 缓解风险对未来安全造成的不良影响风险分析流程 资产确定漏洞确定威胁评估可能性量化影响分析应对措施确认风险分类: 自然人为系统风险计算 :ALE(年度损失预期, annual loss expectancy) = SLE(单一损失预期,single loss expecta
DCA(Decision Curve Analysis)临床决策曲线是一种用于评价诊断模型诊断准确性的方法。上次推出dcurves包绘制临床决策曲线的推文后,很多粉丝后台发来私信,主要是关于怎么计算净获益和竞争风险模型绘制临床决策曲线的问题,今天来演示一下:净获益、避免干扰曲线和竞争风险模型绘制临床决策曲线的绘制,继续使用我们的乳腺癌数据(公众号回复:乳腺癌可以获得该数据),dcurves包不能通
Meta分析是针对某一科研问题,根据明确的搜索策略、选择筛选文献标准、采用严格的评价方法,对来源不同的研究成果进行收集、合并及定量统计分析的方法,最早出现于“循证医学”,现已广泛应用于农林生态,资源环境等方面。R语言拥有完整有效的数据处理、统计分析与保存机制,可以对数据直接进行分析和显示,命令格式简单、结果可读性强,包含众多针对Meta分析软件包,是进行Meta整合分析及评价的有效平台。本教程针对
方差分析,是统计中的基础分析方法,也是我们在分析数据时经常使用的方法。下面我总结一下R语言如何对常用的方差分析进行操作。1. 方差分析的假定 上面这个思维导图,也可以看出,方差分析有三大假定:正态,独立和齐次,如果不满足,可以使用广义线性模型或者混合线性模型,或者广义线性混合模型去分析。「本次我们的主题有:」2. 数据来源这里,我们使用的数据来源于R包agridat,它是讲农业相关的论文,书籍中相
Meta分析是针对某一科研问题,根据明确的搜索策略、选择筛选文献标准、采用严格的评价方法,对来源不同的研究成果进行收集、合并及定量统计分析的方法,最早出现于“循证医学”,现已广泛应用于农林生态,资源环境等方面。R语言拥有完整有效的数据处理、统计分析与保存机制,可以对数据直接进行分析和显示,命令格式简单、结果可读性强,包含众多针对Meta分析软件包,是进行Meta整合分析及评价的有效平台一、Meta
统计参考书:《统计建模与R软件》用于管理R工作空间的函数: 常用R对象:向量c() 矩阵matrix() 数组array() 数据框dataframe() 列表list() 因子factor() 创建向量和矩阵 产生向量 Seq()函数 ——以指定的规律产生向量 产生字母序列letters which()函数——直接用返回的都是下标 rev()函数 ——向量颠倒 so
转载 2023-05-18 11:21:02
172阅读
Meta分析是针对某一科研问题,根据明确的搜索策略、选择筛选文献标准、采用严格的评价方法,对来源不同的研究成果进行收集、合并及定量统计分析的方法,最早出现于“循证医学”,现已广泛应用于农林生态,资源环境等方面。R语言拥有完整有效的数据处理、统计分析与保存机制,可以对数据直接进行分析和显示,命令格式简单、结果可读性强,包含众多针对Meta分析软件包,是进行Meta整合分析及评价的有效平台。针对Met
R语言手动计算主成分分析(PCA)及其在R函数的实现了解PCA的原理,但总是无法用R语言实现,这次算是有个教程。         主成分分析(principal component analysis,PCA)是一种降维技术,把多个变量化为能够反映原始变量大部分信息的少数几个主成分。 设X有p个变量,为n*p阶矩阵,即n个样本的p维向量。首先对X的p
  • 1
  • 2
  • 3
  • 4
  • 5