Chapitre 14. Analyse de survie
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Ce chapitre présente "l'analyse de survie", qui est un ensemble de méthodes statistiques utilisées pour répondre à des questions sur le temps qui s'écoule jusqu'à un événement. Dans le contexte de la médecine, il s'agit littéralement de la survie, mais cela peut s'appliquer au temps qui nous sépare de n'importe quel type d'événement, ou au lieu du temps, il peut s'agir de l'espace ou d'autres dimensions.
L'analyse de survie est un défi car les données dont nous disposons sont souvent incomplètes. Mais comme nous le verrons, les méthodes bayésiennes sont particulièrement efficaces pour travailler avec des données incomplètes.
À titre d'exemple, nous allons considérer deux applications un peu moins sérieuses que la vie et la mort : le temps avant que les ampoules électriques ne tombent en panne et le temps avant que les chiens d'un refuge ne soient adoptés. Pour décrire ces "temps de survie", nous utiliserons la distribution de Weibull.
La distribution de Weibull
La distribution de Weibull est souvent utilisée dans les analyses de survie car c'est un bon modèle pour la distribution des durées de vie des produits manufacturés, au moins sur certaines parties de la gamme.
SciPy fournit plusieurs versions de la distribution de Weibull ; celle que nous utiliserons () s'appelle weibull_min. Pour que l'interface soit cohérente ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access