超高维生存数据的变量筛选和异常点识别的研究

　　随着科技的发展和网络的发达，超高维生存数据大量涌现在生物医学、临床试验等科学领域。《超高维生存数据的变量筛选和异常点识别的研究》重点研究超高维生存数据的降维方法，主要介绍生存分析的基础知识、数据类型、常见模型、高维数据的变量选择方法、超高维数据的变量筛选方法以及异常值点的检测方法。《超高维生存数据的变量筛选和异常点识别的研究》可供高等院校统计专业学生、教师、科研工作者阅读参考。

　　张婧，理学博士。博士期间获得国家留学基金委资助赴美国北卡罗莱纳大学教堂山分校学习一年半。现就职于中南财经政法大学统计与数学学院数理与金融统计系，主要从事数理统计、高维数据分析、生存分析等方面的研究。主持国家自然科学基金青年项目《高维生存数据下交互模型的变量选择方法》、中南财经政法大学青年教师创新项目《Cox比例风险模型下交互效应的变量选择方法研究》，并参与国家自然科学基金面上项目等***课题7项。

第一章 引言
第二章 生存分析概述
2．1 生存时间
2．2 生存数据
2．3 生存分析中的基本函数
2．4 生存分析中的主要模型
2．5 生存分析的主要分析方法
第三章 高维数据分析概述
3．1 高维数据简介
3．2 惩罚似然函数方法介绍
3．3 超高维数据分析
第四章 异常值点检测方法简介
4．1 异常值点检测方法
4．2 线性回归模型中的异常值点检测
第五章 超高维生存数据中基于删失累积残差的独立筛选法
5．1 引言
5．2 删失累积残差独立筛选法
5．3 理论性质
5．4 数值模拟
5．5 实例分析
5．6 本章小结
第六章 超高维生存数据中基于相关性排序的独立筛选法
6．1 引言
6．2 基于相关性秩排序的独立筛选法
6．3 理论性质
6．4 数值模拟
6．5 实例分析
6．6 本章小结
第七章 处理超高维生存数据的非参数变量筛选法
7．1 引言
7．2 基于融合的K-S检验统计量的独立筛选法
7．3 理论性质
7．4 数值模拟
7．5 实例分析
7．6 本章小结
第八章 指数回归模型中删失数据的异常值点识别
8．1 引言
8．2 异常值点检测和参数估计
8．3 数值模拟
8．4 实例分析
8．5 本章小结
第九章 总结
参考文献