Túlélési elemzés Pythonnal

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.

Eredeti címe:

Survival Analysis with Python

Könyv tartalma:

A túlélési elemzés statisztikákat használ a meghibásodásig eltelt idő kiszámítására. A túlélési elemzés Pythonnal új szemszögből közelíti meg ezt az összetett témát, elmagyarázva, hogyan lehet a Python programozási nyelvet használni az ilyen típusú elemzések elvégzéséhez. Mivel maga a téma nagyon matematikai és tele van kifejezésekkel és megfogalmazásokkal, a könyv részletes magyarázatokat ad, és megvizsgálja a gyakorlati vonatkozásokat. A könyv a statisztikai túlélési elemzés alapjául szolgáló fogalmak áttekintésével kezdődik. Ezután elmélyül a következőkben.

⬤ Parametrikus modellek a következők lefedésével.

⬤ A valószínűségi eloszlás paraméterére vonatkozó maximális valószínűségi becslés (MLE) fogalma.

⬤ Túlélési függvény MLE-je.

⬤ Gyakori valószínűségi eloszlások és elemzésük.

⬤ Az exponenciális eloszlás mint túlélési függvény elemzése.

⬤ A Weibull-eloszlás mint túlélési függvény elemzése.

⬤ A Gumbel-eloszlás mint túlélési függvény levezetése a Weibull-ból.

⬤ Nem parametrikus modellek, beleértve.

⬤ Kaplan-Meier (KM) becslő, a kifejezés levezetése MLE segítségével.

⬤ KM becslő illesztése egy példaadatkészlettel, Python kóddal és görbék ábrázolásával.

⬤ Greenwood képlete és annak levezetése.

⬤ Modellek kovariánsokkal magyarázó modellek.

⬤ Az időeltolódás fogalma és a gyorsított meghibásodási idő (AFT) modell.

⬤ Weibull-AFT modell és a paraméterek levezetése MLE-vel.

⬤ Proportional Hazard (PH) modell.

⬤ Cox-PH modell és a Breslow-módszer.

⬤ A kovariánsok szignifikanciája.

⬤ Kovariánsok kiválasztása.

A Python lifelines könyvtárat használjuk a kódolási példákhoz. Az elméletet adatkészleteket bemutató gyakorlati példákra leképezve ez a könyv egy gyakorlatias oktatóanyag és egy praktikus referencia is egyben.