Merci pour votre soutien (à vous deux).
Salutations,
L'axe Y du diagramme de probabilité résiduelle est un axe d'échelle de probabilité. Par exemple, si vous adaptez une distribution de Weibull, l'axe Y est un axe d'échelle de Weibull ; si vous ajustez une distribution log-normale, l'axe Y est un axe d'échelle normale. Le diagramme de probabilité résiduelle est configuré par tel, de sorte que si l'hypothèse du modèle est vérifiée, les résidus doivent apparaître à peu près en ligne droite.
La position x des marqueurs est calculée d'une manière comme dans ma réponse à votre autre message Objet : Résidus standardisés de la plate-forme d'ajustement de survie paramétrique
Les positions y des marqueurs n'ont pas de formule explicite en général si le type de censure n'est pas simple. Mais considérez les positions y comme des estimations non paramétriques de la distribution à ces points.
Pour votre deuxième question, je suppose que vous voulez calculer la probabilité de défaillance d'un paramètre arbitraire à un moment arbitraire, qui ne figure pas dans la table de données. Si j'ai bien compris, vous pouvez choisir l'une des options suivantes :
1) enregistrez la formule de probabilité, ajoutez une nouvelle ligne avec votre paramètre de covariable et une valeur de temps. Lisez le nombre à cette ligne dans la colonne de formule.
2) utilisez le menu "Estimer la probabilité de survie" de la plateforme pour calculer directement, en donnant vos paramètres et votre temps. Voir les résultats dans le rapport après avoir validé la configuration.
Remarquez que les deux calculent les probabilités à des moments donnés, donc la censure n'est pas pertinente.
La probabilité des données (c'est-à-dire la durée de vie) est obtenue à partir de la fonction de vraisemblance, l( y | modèle ). C'est le probabilite conditionnelle qui est estimé avec le modèle en utilisant les estimations du maximum de vraisemblance des paramètres du modèle. Les données n'ont pas de probabilité en tant que telles. D'autre part, vous pouvez utiliser l'estimation non paramétrique (c'est-à-dire le moment du produit de Kaplan-Meyer) pour le probabilité marginale . Vous pouvez également supposer un modèle de distribution pour les estimations paramétriques.
Voir Fiabilité et survie > Distribution de vie . Les estimations de KM sont présentées automatiquement.
