对于比例风险模型，我们提出了两种贝叶斯自举扩展，即二项式和泊松形式。二项式贝叶斯自举是先验信息量消失时贝塔过程先验分布的后验极限，因此可以被视为默认的非参数贝叶斯分析。当协变量不存在时，这也与Lo的贝叶斯自举方法用于审查数据相同。泊松形式的贝叶斯自举等价于具有Cox轮廓似然的贝叶斯分析。当基线分布是离散的，因此当数据集有许多联系时，仿真研究表明，二项式形式的贝叶斯自举在频率学家意义上比标准的频率学家程序表现更好。与标准贝叶斯分析相比，所提出的贝叶斯引导程序的优点是概念和计算简单。最后，证明了两个贝叶斯自举后验都与最大似然估计量的抽样分布渐近等价。