======================================
在前一章（TCGA生存分析）中，我们描述了生存分析的基本概念以及分析和总结生存数据的方法，包括：1.危险和生存功能的定义 2.为不同患者群构建Kaplan-Meier生存曲线用于比较两条或更多条生存曲线的logrank检验
但是上述方法--Kaplan-Meier曲线和logrank测试 - 是单变量分析的例子。他们根据调查中的一个因素来描述生存，但忽略了任何其他因素的影响。
此外，Kaplan-Meier曲线和logrank检验仅在预测变量是分类时才有用（例如：治疗A与治疗B男性与女性）。它们不适用于基因表达，体重或年龄等定量预测因子。
另一种方法是Cox比例风险回归分析，它适用于定量预测变量和分类变量。此外，Cox回归模型扩展了生存分析方法，以同时评估几种风险因素对生存时间的影响。
在临床研究中，存在许多情况，其中几个已知量（称为协变量）可能影响患者预后。
例如，假设比较两组患者：那些患者和没有特定基因型的患者。如果其中一组也包含较老的个体，则存活率的任何差异可归因于基因型或年龄或两者。因此，在研究与任何一个因素相关的生存时，通常需要调整其他因素的影响。
cox比例风险模型是用于对生存分析数据建模的最重要方法之一。该模型的目的是同时评估几个因素对生存的影响。换句话说，它允许我们检查特定因素如何影响特定时间点发生的特定事件（例如，感染，死亡）的发生率。该比率通常称为危险率。预测变量（或因子）通常在生存分析文献中称为协变量。
要一次将单变量coxph函数应用于多个协变量，请键入：
上面的输出显示了回归β系数，效应大小（作为风险比给出）和每个变量相对于总体生存的统计显着性。每个因素都通过单独的单变量Cox回归来评估。
1.计算两种资产的投资组合我们需要知道每种资产的期望和标准差。2.然后根据两种资产所占的权重去计算组合的期望和标准差。
3.在R中先把需要的参数μ，σ，ρ写入mu<-c(10,15)sigma<-c(16,24)rho<-0.2，然后写入权重w1，w2，因为只有两个资产 其权重相加之和应该是1，所以有w1+w2=1，所以w1<-seq(0,1,0.01)w2<-1-w1
——————————
seq表示一个sequence序列。
4.在此首相为0 尾项为1 一共有101项。
5.接下来设组合的期望和标准差。
6.然后写计算的方法，这里需要用到循环去计算在各种权重情况下的期望和标准差。
7.然后用绘图的函数plot进行绘制。
扩展：R语言
R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
假设检验的原理 step1：把P值从大到小排序 step2：公式：p * (总数/p的位次) 【但是，得注意下一条的第一点，建议还是R直接一步到位】 1.如果某一个p值所对应的FDR值大于前一位p值（排序的前一位）所对应的FDR值，则放弃公式计算出来的FDR值，选用与它前一位相同的值。 2.P值都小于1。
