生存分析和生命数据分析的大图

我听说过生存分析和生命数据分析，但并不太清楚。

我想知道他们涵盖哪些主题？

它是纯统计信息，还是仅在某些特定领域应用统计信息？

生命日期分析是生存分析的一部分吗？

谢谢并恭祝安康！

审查的概念是生存分析和生命数据分析的关键。此问题也可以通过行业统计输入。在监视样品样本失效所需的时间时，您可以

• 完整的数据：知道设备故障的确切时间
• 右检查：一个单元的失效时间超出了当前运行时间
• 左删：已知时间是单位故障后的时间

进入数据混合的其他问题是

• 单独审查：所有未失败的单元均具有共同的运行时间
• 乘以检查：未失败的单元具有不同的运行时间
• 间隔检查：失败时间已知在特定时间间隔之间。
• 审查时间：审查时间是固定的
• 审查失败：当固定数量的单元失败时，测试将停止
• 竞争失败模式：样本单元由于不同原因而失败

能够处理这些情况的常见分布是：对数正态，威布尔和极值。由于存在用于处理分析的图形化过程以及MLE和Method of Moments方法，因此这些问题变得很有趣。

系统可靠性是该主题的分支，涉及贝叶斯方法，更新理论和加速寿命测试。韦恩·纳尔逊（Wayne Nelson）和比尔·米克尔（Bill Meeker）在这方面有好几本好书。

关于生存分析

在生存分析或事件发生时间分析中，变量或兴趣量度从起点到兴趣点（如因某种疾病导致的死亡）之间的时间。因此，响应变量是一个正变量，在大多数情况下是偏斜的。结果，通常的正态性假设失败了，例如，经典回归技术不适用。（不过，请注意，有时对变量进行转换可以使情况变得更好）。但是主要区别在于检查：处理事件时间数据时这是非常常见的功能。在最常见的形式（正确的检查）中，您不知道给定个体的确切时间，但是您知道它大于某个值。例如，假设您跟随​​一名患者直至死亡。在时间吨= 10 吨= 30 吨> 30 吨⋆ = $t^{\star}$$t=10$天，他还活着。在时间天，他还活着，但随后迷路了。然后，您不知道确切的死亡时间，但是您知道。显然，最好不要忽略审查。相反，您可以记录作为受检查的观察值。生存分析技术（例如，Kaplan-Meier估计器，Cox回归等）是专门设计用于处理审查的。$t=30$$t > 30$$t^{\star} = 30$

以我的观点，医学研究中的生存数据建模是生存分析的第一本书，是一个很好的选择……但是还有很多其他方面。

5, 10, 12+, 14, 17, 18+, 20+

生存分析的第一个近似描述：分析因变量具有（1）精确值（完整的观测值）和（2）值已知在给定阈值之上（经过审查的观测值）的数据。以上可能是生存数据样本，没有+确切的值；的值+已知会更多，但不会更多。（并且有很多扩展名。）

正如schenectady指出的那样，审查是生存分析中的关键问题。如果您的数据集中没有经过审查的观察结果，则您的任务与简单的回归任务没有区别。这也表明利息变量不限于时间，即可以是工资，价格等。$T$

因此，我认为将其称为审查回归或审查分析而不是生存分析可能更合适。