Analiza przetrwania z Pythonem

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Survival Analysis with Python

Zawartość książki:

Analiza przeżywalności wykorzystuje statystykę do obliczania czasu do awarii . Survival Analysis with Python przedstawia świeże spojrzenie na ten złożony temat, wyjaśniając, jak używać języka programowania Python do przeprowadzania tego typu analiz. Ponieważ sam temat jest bardzo matematyczny i pełen wyrażeń i sformułowań, książka zawiera szczegółowe wyjaśnienia i analizuje praktyczne implikacje. Książka rozpoczyna się od przeglądu koncepcji leżących u podstaw statystycznej analizy przeżycia. Następnie zagłębia się w.

⬤ Modele parametryczne z uwzględnieniem.

⬤ Pojęcie oszacowania maksymalnego prawdopodobieństwa (MLE) parametru rozkładu prawdopodobieństwa.

⬤ MLE funkcji przeżycia.

⬤ Powszechne rozkłady prawdopodobieństwa i ich analiza.

⬤ Analiza rozkładu wykładniczego jako funkcji przeżycia.

⬤ Analiza rozkładu Weibulla jako funkcji przeżycia.

⬤ Odchylenie rozkładu Gumbela jako funkcji przeżycia od rozkładu Weibulla.

⬤ Modele nieparametryczne, w tym.

⬤ Estymator Kaplana-Meiera (KM), pochodna wyrażenia przy użyciu MLE.

⬤ Dopasowanie estymatora KM z przykładowym zbiorem danych, kodem Python i wykreślaniem krzywych.

⬤ Wzór Greenwooda i jego wyprowadzenie.

⬤ Modele z kowariancjami wyjaśniającymi.

⬤ Koncepcja przesunięcia czasowego i model przyspieszonego czasu awarii (AFT).

⬤ Model Weibulla-AFT i wyznaczanie parametrów za pomocą MLE.

⬤ Model proporcjonalnego zagrożenia (PH).

⬤ Model Cox-PH i metoda Breslowa.

⬤ Znaczenie zmiennych towarzyszących.

⬤ Wybór zmiennych towarzyszących.

Biblioteka Python lifelines jest używana do kodowania przykładów. Odnosząc teorię do praktycznych przykładów zawierających zbiory danych, książka ta jest praktycznym samouczkiem, a także przydatnym źródłem informacji.