Метод Каплана-Мейера

Функция Statistics and Machine Learning Toolbox™ ecdf производит эмпирические совокупные функции опасности, выживания и совокупного распределения с помощью непараметрического метода Каплана-Мейера. Оценщик Каплана-Мейера для функции выжившего также называется оценщиком предела продукта.

Метод Каплана-Мейера использует данные о выживании, обобщенные в таблицах жизни. Таблицы жизни упорядочивают данные в соответствии с возрастающим временем отказа, но вы не должны вводить время отказа/выживания упорядоченным образом, чтобы использовать ecdf.

Жизненная таблица обычно состоит из:

  • Время отказа

  • Количество неудачных элементов за период времени

  • Количество элементов, подвергнутых цензуре за период времени

  • Количество элементов риска в начале периода времени/времени

Число подверженных риску - это общее число выживших в начале каждого периода. Число подверженных риску в начале первого периода - все индивидуумы в исследовании на всю жизнь. В начале каждого оставшегося периода число подверженных риску уменьшается на количество отказов плюс индивидуумов, подвергнутые цензуре в конце предыдущего периода.

Эта таблица жизни показывает фиктивные данные о выживании. В начале первого времени отказа существует семь элементы риска. В момент 4 три сбоя. Так что на начало времени 7, есть четыре элементов риска. В момент 7 отказывает только один, поэтому число рисков в начале времени 11 равно трем. Два сбоя в момент 11, поэтому в начале времени 12, число подверженных риску является одним. Оставшийся элемент завершается неуспешно в момент 12.

Время отказа (t)Число сбояЧисло подверженных риску
437
714
1123
1211

Можно оценить опасность, совокупную опасность, выживание и совокупное распределение функций с помощью таблиц жизни, как описано далее.

Совокупный коэффициент опасности (частота отказов)

Уровень опасности в каждом периоде - это количество отказов в данном периоде, разделенное на число выживших индивидуумов в начале периода (число лиц, подвергающихся риску).

Время отказа (t)Уровень опасности (h (t))Кумулятивный коэффициент опасности
000
<reservedrangesplaceholder0> 1<reservedrangesplaceholder1> 1 / <reservedrangesplaceholder0> 1<reservedrangesplaceholder1> 1 / <reservedrangesplaceholder0> 1
<reservedrangesplaceholder0> 2<reservedrangesplaceholder1> 2 / <reservedrangesplaceholder0> 2h (t 1) + <reservedrangesplaceholder1> 2 / <reservedrangesplaceholder0> 2
.........
<reservedrangesplaceholder1> <reservedrangesplaceholder0><reservedrangesplaceholder3> <reservedrangesplaceholder2> / <reservedrangesplaceholder1> <reservedrangesplaceholder0>h (t n – 1) + <reservedrangesplaceholder3> <reservedrangesplaceholder2> / <reservedrangesplaceholder1> <reservedrangesplaceholder0>

Вероятность выживания

Для каждого периода вероятность выживания является продуктом дополнения коэффициентов опасности. Начальная вероятность выживания в начале первого временного периода равна 1. Если коэффициент опасности для каждого периода равен h (t i), то вероятность выживания такая, как показано.

Время (t)Вероятность выживания (S (t))
01
<reservedrangesplaceholder0> 11* (1 – h (t 1))
<reservedrangesplaceholder0> 2S (t 1) * (1 – h (t 2))
......
<reservedrangesplaceholder1> <reservedrangesplaceholder0>S (t n – 1) * (1 – h (t n))

Кумулятивная функция распределения

Поскольку совокупная функция распределения (cdf) и функция выжившего являются дополнениями друг к другу, можно найти cdf из таблиц жизни с помощью F (t) = 1 - S (t).

Можно вычислить совокупную степень опасности, выживаемость и совокупную функцию распределения для моделируемых данных в первой таблице на этой странице следующим образом.

t Число сбоя (d)Число подверженных риску (r)Коэффициент опасностиВероятность выживанияКумулятивная функция распределения
4373/71 – 3/7 = 4/7 = 0.57140.4286
7141/44/7*(1 – 1/4) = 3/7 = .42860.5714
11232/33/7*(1 – 2/3) = 1/7 = 0.14290.8571
12111/11/7*(1 – 1) = 01

Эти скорости в этом примере основаны на дискретных временах отказа, и, следовательно, вычисления не обязательно следуют определению, основанному на производной, в «Что такое анализ выживания?»

Вот как можно ввести данные и вычислить эти измерения с помощью ecdf. Данные не обязательно должны быть в порядке возрастания. Предположим, что время отказа сохранено в массиве y.

y = [4 7 11 12];
freq = [3 1 2 1];
[f,x] = ecdf(y,'frequency',freq)
f =

         0
    0.4286
    0.5714
    0.8571
    1.0000


x =

     4
     4
     7
    11
    12

Когда вы подвергли цензуре данные, таблица жизни может выглядеть следующим образом:

Время (t) Число сбоя (d)ЦензурированиеЧисло подверженных риску (r)Коэффициент опасностиВероятность выживанияКумулятивная функция распределения
42172/71 – 2/7 = 0.71430.2857
71041/40.7143*(1 – 1/4) = 0.53570.4643
111132/30.5357*(1 – 1/3) = 0.35710.6429
121011/10.3571*(1 – 1) = 01.0000

В любой момент времени элементы, подвергнутые цензуре, также учитываются в общем числе подверженных риску, и формула коэффициента опасности основана на числе неудачных и общем числе подверженных риску. При обновлении числа лиц, подвергающихся риску в начале каждого периода, общее число лиц, которые потерпели неудачу и подверглись цензуре в предыдущий период, уменьшается по сравнению с числом лиц, подвергающихся риску в начале этого периода.

При использовании ecdfнеобходимо также ввести информацию цензуры с помощью массива двоичных переменных. Введите 1 для цензурных данных и 0 для точного времени отказа.

y = [4 4 4 7 11 11 12];
cens = [0 1 0 0 1 0 0];
[f,x] = ecdf(y,'censoring',cens)
f =

         0
    0.2857
    0.4643
    0.6429
    1.0000

x =

     4
     4
     7
    11
    12

ecdfпо умолчанию создает совокупные значения функции распределения. Вы должны задать функцию выжившего или функцию опасности с помощью необязательных аргументов пары "имя-значение". Можно также построить график результатов следующим образом.

figure()
ecdf(y,'censoring',cens,'function','survivor');

figure()
ecdf(y,'censoring',cens,'function','cumulative hazard');

Ссылки

[1] Кокс, Д. Р. и Д. Окс. Анализ данных о выживании. Лондон: Chapman & Hall, 1984.

[2] Lawless, J. F. Статистические модели и методы для пожизненных данных. Hoboken, NJ: Wiley-Interscience, 2002.

[3] Клейнбаум, Д. Г., и М. Клейн. Анализ выживания. Статистика по биологии и здоровью. 2-е издание. Спрингер, 2005.

См. также

| |

Похожие примеры

Подробнее о

Для просмотра документации необходимо авторизоваться на сайте