Dlaczego warto stosować analizę przeżycia?

Analiza przeżycia w Pythonie

Shae Wang

Senior Data Scientist

Przykład: średni czas życia baterii

Nazwa DataFrame: battery_df

ID baterii	Czas trwania	Martwa	Marka	Ciężarówka
1	2,5 roku	Nie	Marka A	Długa
2	6 lat	Tak	Marka B	Krótka
3	5 lat	Nie	Marka B	Długa
...	...	...	...	...
1000	4,5 roku	Tak	Marka A	Krótka

Jaki jest średni czas życia baterii?

np.average(battery_df["Duration"])

Rysunek ilustrujący cenzurowanie czasu życia baterii.

Rysunek ilustrujący cenzurowanie czasu życia baterii.

$T_{duration} \neq T_{lifetime}$ dla baterii, które jeszcze nie uległy awarii.
Baterie 1, 3, 4 i inne, których awarii nie zaobserwowano, są niewłaściwie uwzględniane w obliczaniu średniej.

Gdy czas przeżycia jest tylko częściowo znany.

Jak dochodzi do cenzurowania?

Zdarzenie nie nastąpiło przed końcem obserwacji.
- np. użytkownik bezpłatnej wersji próbnej nie przeszedł na plan płatny przed końcem eksperymentu.
Dane osoby są niedostępne z powodu rezygnacji lub utraty kontaktu.
- np. użytkownik bezpłatnej wersji próbnej odmówił udostępnienia danych do eksperymentu.

Rysunek ilustrujący rodzaje cenzurowania.

Bez cenzurowania: zdarzenie nastąpiło, czas przeżycia jest znany.
Cenzurowanie prawostronne: czas przeżycia jest dłuższy niż obserwowany.
Cenzurowanie lewostronne: czas przeżycia jest krótszy niż obserwowany.
Cenzurowanie interwałowe: czas przeżycia mieści się w pewnym przedziale, ale nie jest dokładnie znany.

Statystyki zagregowane

Regresja

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

Rysunek ilustrujący dane bez cenzurowania.

Rysunek ilustrujący dane cenzurowane.

Czy można zidentyfikować cenzurowane punkty danych?

Krok 1) Sprawdź kolumny cenzurowania (często już przetworzone).

Czy zbyt dużo danych jest cenzurowanych?

Krok 2) Sprawdź odsetek cenzurowanych punktów (orientacyjna granica to 50%).

Czy cenzurowanie jest nieinformatywne i losowe?

Krok 3) Zbadaj przyczyny cenzurowania, aby upewnić się, że status cenzurowania punktu nie wpływa na przeżycie.

Analiza przeżycia w Pythonie