सशर्त खतरनाक कार्यों का निरंतर अद्यतन अनुमान

घटनाओं के समय को मॉडलिंग के संदर्भ में निरंतर अद्यतन डेटा सेट का विश्लेषण करने की आवश्यकता से प्रेरित होकर, हम निरंतर और वर्णात्मक पूर्वानुमानकों के सेट दिए जाने पर सशर्त खतरनाक कार्य का अनुमान लगाने के लिए एक नई गैर-पैरामीरिक दृष्टिकोण का प्रस्ताव करते हैं। यह विधि सशर्त खतरे का प्रतिनिधित्व एक संयुक्त घनत्व और अवलोकित चर के वितरण द्वारा निर्धारित सशर्त अपेक्षा के बीच अनुपात के रूप में आधारित है। यह दिखाया गया है कि ऐसी अनुपात प्रतिनिधित्व एकल और द्विआधारी समय-से-घटनाओं के लिए उपलब्ध है, सामान्य प्रकार की यादृच्छिक सेंसरिंग, ट्रंकेशन की उपस्थिति में, और संभवतः ठीक हुए व्यक्तियों के साथ, साथ ही प्रतिस्पर्धी खतरों के लिए भी। यह कई समय-से-घटनानुमानात्मक मॉडलों में गैर-पैरामीरिक दृष्टिकोण के लिए दरवाजे खोलता है। संयुक्त घनत्वों और सशर्त अपेक्षाओं का अनुमान लगाने के लिए हम पुनरावृत्त कर्नेल समरूपता का प्रस्ताव करते हैं, जो ऑनलाइन अनुमान के लिए उपयुक्त है। ऐसे अनुमानकर्ताओं के लिए सीमाप्त परिणाम निकाले जाते हैं और दिखाया गया है कि वे इष्टतम अंतराल दरें प्राप्त करते हैं। अनुकरण प्रयोगों ने दाहिनी सेंसरिंग के साथ हमारे पुनरावृत्त अनुमापक का अच्छा सीमित नमूना प्रदर्शन दिखाया है। यह विधि प्राथमिक स्तन कैंसर के एक वास्तविक डेटा सेट पर लागू की गई है।