Hayatta kalma analizi ve yaşam verileri analizi hakkında büyük resim

Hayatta kalma analizini ve yaşam verileri analizini duydum, ancak büyük resmi göremiyorum.

Hangi konuları kapsadıklarını merak ediyordum?

Saf istatistikler mi, yoksa sadece belirli bir alanda istatistiklerin uygulanması mı?

Yaşam tarihi analizi hayatta kalma analizinin bir parçası mı?

Teşekkürler ve saygılar!

Sansür kavramı, hayatta kalma analizi ve yaşam verileri analizi için anahtardır. Bu konu endüstriyel istatistiklerle de girilebilir. Bir ünite örneğinin başarısız olması için geçen süreyi izlerken,

• Tam veri: bir birimin başarısız olduğu kesin zaman biliniyor
• Sağa sansürlendi: bir ünite için arıza süresi mevcut çalışma süresinin ötesinde
• Sola sansürlendi: bilinen süre, bir birimin başarısız olduğu zamandan sonra

Veri karışımına giren diğer konular

• Tek başına sansür: tüm başarısız birimlerin ortak çalışma süresi vardır
• Sansürle çarp: başarısız olan birimlerin farklı çalışma süreleri vardır
• Sansürlü aralık: başarısız olma zamanının belirli bir zaman grubu arasında olduğu bilinmektedir.
• Sansürlü zaman: sansür süresi sabittir
• Sansür hatası: sabit sayıda birim başarısız olduğunda test durdurulur
• Rakip arıza modları: örnek birimler farklı nedenlerle başarısız

Bu durumlarla başa çıkabilen yaygın dağılımlar şunlardır: lognormal, Weibull ve aşırı değer. MLE ve Momentler Metodu yöntemlerinin yanı sıra analizi ele almak için grafiksel prosedürler olduğu için konular ilginç hale geliyor.

Sistem güvenilirliği, Bayes metotları, yenileme teorisi ve hızlandırılmış yaşam testleri ile ilgilenen bu konunun bir çekimi. Wayne Nelson ve Bill Meeker'in konular hakkında birkaç iyi kitabı var.

Hayatta kalma analizi hakkında

$t^{\star}$$t=10$$t=30$$t > 30$$t^{\star} = 30$

Benim görüşüme göre, Hayatta Kalma Verilerini Tıbbi Araştırmada Modelleme , hayatta kalma analizinde ilk kitap olarak çok iyi bir seçimdir ... ama daha birçokları var.

5, 10, 12+, 14, 17, 18+, 20+

Hayatta kalma analizinin ilk yaklaşık açıklaması: Bağımlı değişkenin (1) kesin değerlerin (tam gözlemler) ve (2) değerlerin belirli bir eşiğin (sansürlü gözlemler) üzerinde olduğu bilinen verilerin analizi. Yukarıdakiler bir sağkalım veri örneği olabilir, değerleri +tam olarak bilinir; değerlerin +daha fazla olduğu bilinir, ancak ne kadar fazla olduğu bilinmez. (Ve birçok uzantı var.)

$T$

Bu nedenle, hayatta kalma analizi yerine, sansür regresyonu veya sansür analizi olarak adlandırmak daha uygun olabilir.