差分
このページの2つのバージョン間の差分を表示します。
両方とも前のリビジョン前のリビジョン | 次のリビジョン両方とも次のリビジョン | ||
r:survival:survfit [2018/12/11 19:21] – watalu | r:survival:survfit [2018/12/11 19:23] – watalu | ||
---|---|---|---|
行 91: | 行 91: | ||
{{: | {{: | ||
+ | |||
+ | |||
+ | 実線の折れ線が、カプラン・マイヤー法で推定した生存関数である。1から生存関数を引けば、累積分布関数の推定ができる。このグラフからまずは、寿命分布の密度関数が一山か、二山以上か、を読み取ろうとする。 | ||
+ | |||
+ | survfitが出力した各時点でのリスクセットの大きさn.riskとその時点での故障数n.eventの比を計算すると、故障率曲線も推定できる。 | ||
+ | < | ||
+ | X.survfit = survfit(Surv(time, | ||
+ | X.survfit$n.event/ | ||
+ | </ | ||
+ | これを縦軸に、時間を横軸にとったグラフ | ||
+ | < | ||
+ | plot(X.survfit$time, | ||
+ | | ||
+ | </ | ||
+ | が故障率曲線のノンパラメトリックな推定値となる。 | ||
=== ノンパラメトリックな推定量の長所と短所 === | === ノンパラメトリックな推定量の長所と短所 === | ||
ノンパラメトリックな推定量は、確率分布を仮定しないので、当初から色眼鏡で見ることがなく、データをそのまま吟味できるという長所を持つ。実際に観測された時点から先の予測ができない、という短所も合わせ持つ。また、精度よく確率分布を推定するには、とても大きいサンプルを必要とすることも、短所である。 | ノンパラメトリックな推定量は、確率分布を仮定しないので、当初から色眼鏡で見ることがなく、データをそのまま吟味できるという長所を持つ。実際に観測された時点から先の予測ができない、という短所も合わせ持つ。また、精度よく確率分布を推定するには、とても大きいサンプルを必要とすることも、短所である。 |