kmc:右删失数据约束下的Kaplan-Meier估计–递归计算算法

给定右删失数据的约束条件，我们使用递归计算算法来计算“约束”Kaplan-Meier估计量。假设约束在线性估计方程或平均函数中给出。我们还说明了如何利用右删失数据和给定系数的加速失效时间模型进行经验似然比检验。使用emplik包中的EM算法获得初始值。Mai Zhou和Yifan Yang（2015）讨论了EM算法的特性和性能<doi:10.1007/s00180-015-0567-9>以及Mai Zhou和Yifan Yang（2017）<doi:10.1002/wics.1400>. 更多应用可在Mai Zhou（2015）找到<doi:10.1201/b18598>.

版本：	0.4-2
取决于：	R（≥3.5），编译器，rootSolve（根解算）,emplik公司
链接到：	卢比
建议：	生存,ggplot2,三年,测试那个(≥ 3.0.0)
出版：	2022-11-22
内政部：	10.32614/CRAN.包装.kmc
作者：	杨一凡[aut，cre，cph]，麦周[aut]
维护人员：	杨一凡<yfyang.86athotmail.com>
许可证：	LGPL-3型
网址：	https://github.com/yfyang86/kmc/
需要编译：	对
在视图中：	生存
CRAN检查：	kmc结果

文档：

参考手册：

kmc.pdf格式

下载内容：

包源：	公里c_0.4-2.塔尔.gz
Windows二进制文件：	r-devel公司：kmc_0.4-2.zip，r版本：kmc_0.4-2.zip，r-oldrel：kmc_0.4-2.zip
macOS二进制文件：	r释放（arm64）：kmc_0.4-2.tgz，r-oldrel（arm64）：kmc_0.4-2.tgz，r-版本（x86_64）：kmc_0.4-2.tgz，r-oldrel（x86_64）：kmc_0.4-2.tgz
旧来源：	kmc档案

链接：

请使用规范形式https://CRAN.R-project.org/package=kmc链接到此页面。