Danke für eure Unterstützung (beide).
Grüße,
Die Y-Achse im Residuenwahrscheinlichkeitsnetz ist eine Wahrscheinlichkeitsskalenachse. Wenn Sie zB eine Weibull-Verteilung anpassen, ist die Y-Achse eine Weibull-Skalenachse; Wenn Sie eine lognormale Verteilung anpassen, ist die Y-Achse eine Normalskalenachse. Das Residuenwahrscheinlichkeitsnetz wird so erstellt, dass die Residuen ungefähr in einer geraden Linie erscheinen sollten, wenn die Annahme des Modells zutrifft.
Die x-Position der Marker wird so berechnet wie in meiner Antwort auf deinen anderen Beitrag Re: Standardisierte Residuen von der Parametric Survival Fit Platform
Die y-Positionen der Marker haben im Allgemeinen keine explizite Formel, wenn der Zensurtyp nicht einfach ist. Aber stellen Sie sich y-Positionen als nichtparametrische Schätzungen der Verteilung an diesen Punkten vor.
Ich vermute, dass Sie für Ihre zweite Frage die Ausfallwahrscheinlichkeit einer beliebigen Einstellung zu einem beliebigen Zeitpunkt berechnen möchten, der nicht in der Datentabelle enthalten ist. Wenn ich richtig verstehe, können Sie eine der folgenden Optionen auswählen:
1) Speichern Sie die Wahrscheinlichkeitsformel, fügen Sie eine neue Zeile mit Ihrer Kovariateneinstellung und einem Zeitwert hinzu. Lesen Sie die Zahl in dieser Zeile in der Formelspalte vor.
2) Verwenden Sie das Menü "Überlebenswahrscheinlichkeit schätzen" in der Plattform, um direkt zu berechnen, indem Sie Ihre Einstellungen und Zeit angeben. Sehen Sie sich die Ergebnisse im Bericht an, nachdem Sie die Einrichtung übernommen haben.
Beachten Sie, dass beide Wahrscheinlichkeiten zu bestimmten Zeiten berechnen, sodass die Zensur irrelevant ist.
Die Wahrscheinlichkeit der Daten (dh Lebensdauer) wird aus der Likelihood-Funktion l(y|model) erhalten. Es ist der bedingte Wahrscheinlichkeit die mit einem Modell unter Verwendung der Maximum-Likelihood-Schätzungen der Modellparameter geschätzt wird. Die Daten haben als solche keine Wahrscheinlichkeit. Andererseits könnten Sie die nichtparametrische Schätzung (dh das Moment des Kaplan-Meyer-Produkts) für die verwenden marginale Wahrscheinlichkeit . Sie könnten auch ein Verteilungsmodell für parametrische Schätzungen annehmen.
Sehen Zuverlässigkeit und Überleben > Lebensdauerverteilung . Die KM-Schätzungen werden automatisch präsentiert.
