Proč používat analýzu přežití?

Survival Analysis in Python

Shae Wang

Senior Data Scientist

Příklad: průměrná životnost baterie

Název DataFrame: battery_df

ID baterie	Trvání	Mrtvá	Značka	Kamion
1	2,5 r	Ne	Brand A	Dlouhý
2	6 r	Ano	Brand B	Krátký
3	5 r	Ne	Brand B	Dlouhý
...	...	...	...	...
1000	4,5 r	Ano	Brand A	Krátký

Jaká je průměrná životnost baterie?

np.average(battery_df["Duration"])

Cartoon znázorňující cenzorování životnosti baterie.

Cartoon znázorňující cenzorování životnosti baterie.

$T_{duration} \neq T_{lifetime}$ pro baterie, které ještě nevybyly.
Baterie 1, 3, 4 a další, jejichž selhání nebylo pozorováno, jsou při průměrování nesprávně zohledněny.

Když je doba přežití známa pouze částečně.

Jak ke cenzorování dochází?

Událost dosud nenastala na konci pozorování.
- Např. uživatel zkušební verze se do konce experimentu nepřevedl na placený účet.
Data jedince chybí kvůli odstoupení nebo ztrátě kontaktu.
- Např. uživatel zkušební verze odmítl sdílet data pro experiment.

Cartoon znázorňující typy cenzorování.

Necenzorováno: událost nastala a doba přežití je známa.
Pravostranné cenzorování: skutečná doba přežití je delší než pozorovaná.
Levostranné cenzorování: skutečná doba přežití je kratší než pozorovaná.
Intervalové cenzorování: doba přežití leží v určitém rozsahu, ale není přesně známa.

Souhrnné statistiky

Regrese

$$S(t)=Pr(T>t)$$

Cartoon s necenzorovanými daty.

Cartoon s cenzorovanými daty.

Lze identifikovat cenzorovaná data?

Krok 1) Zkontrolujte sloupce pro cenzorování (obvykle předpřipravené).

Je cenzorováno příliš mnoho dat?

Krok 2) Zkontrolujte podíl cenzorovaných datových bodů (orientační hranice je 50 %).

Je cenzorování neinformativní a náhodné?

Krok 3) Prozkoumejte příčiny cenzorování a ověřte, že skutečnost cenzorování neovlivňuje přežití.

Survival Analysis in Python