Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:0812.3691

帮助 | 高级搜索

统计学 > 方法论

arXiv:0812.3691 (stat)
[提交于 2008年12月19日 ]

标题: 一种新的协变量调整响应适应性设计及其渐近性质

标题: A New Family of Covariate-Adjusted Response Adaptive Designs and their Asymptotic Properties

Authors:Li-Xin Zhang, Feifang Hu
摘要: 在临床试验的设计中,常常需要纳入协变量信息。文献中有很多利用分层和协变量适应性随机化来平衡某些已知协变量的设计。最近,Zhang、Hu、Cheung 和 Chan(2007)提出了一类协变量调整的响应适应(CARA)设计,并研究了它们的渐近性质。然而,这些CARA设计往往具有较高的变异性。本文提出了一类新的协变量调整的响应适应(CARA)设计。我们证明了新设计的变异性更小,因此效率更高。
摘要: It is often important to incorporating covariate information in the design of clinical trials. In literature, there are many designs of using stratification and covariate-adaptive randomization to balance on certain known covariate. Recently Zhang, Hu, Cheung and Chan (2007) have proposed a family of covariate-adjusted response-adaptive (CARA) designs and studied their asymptotic properties. However, these CARA designs often have high variabilities. In this paper, we propose a new family of covariate-adjusted response-adaptive (CARA) designs. We show that the new designs have smaller variabilities and therefore more efficient.
主题: 方法论 (stat.ME) ; 概率 (math.PR); 统计理论 (math.ST)
MSC 类: 62L05
引用方式: arXiv:0812.3691 [stat.ME]
  (或者 arXiv:0812.3691v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.0812.3691
通过 DataCite 发表的 arXiv DOI
期刊参考: Appl. Math. J. Chinese Univ. 2009, 24(1): 1-13
相关 DOI: https://doi.org/10.1007/s11766-009-0001-6
链接到相关资源的 DOI

提交历史

来自: Lixin Zhang [查看电子邮件]
[v1] 星期五, 2008 年 12 月 19 日 01:47:41 UTC (14 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2008-12
切换浏览方式为:
math
math.PR
math.ST
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号