Examen De Rattrapage Analyse de Survie
27 juin 2021 Exercice 1. (6pts). On considère une variable aléatoire T décrivant une durée de vie ou de fonctionnement et on.
Durée de vie des Motorettes (analyse de survie)
La procédure suppose qu'il y a eu défaillance/mort pendant le laps de temps (812) mais n'est pas comptabilisée dans les dj. Exercice 2. Trouvez l'estimateur de
Examen Final Analyse de Survie - Aucun document nest autorisé
3 juin 2021 PF ixpli™iter l— fon™tion de survie de ™et individu ™onditionnée p—r le f—it qu9il ser— en vie d—ns x —nnéesF ue peutEon déduireF. Exercice 2.
LABEF
Fonction d'analyse de survie. 1 Fonction d'analyse de survie. T étant une variable aléatoire réelle (v.a.r) positive ou une durée de vie (délai entre la date
Analyse de Survie - Thibault ALLART
Analyse de Survie. Page 27. Exercice : loi exponentielle. Calculez les 5 fonctions associés à la loi exponentielle sachant que le taux de risque instantané
Jonathan Lenoir
Exercice. Un volontaire au tableau pour calculer la formule de la fonction S de survie si la fonction h de risque suit un modèle de Weibull ? ℎ = λ λ .
mod`eles de durée Séance n 2 du 30 Novembre 2015 - Corrigé
30 nov. 2015 Exercice 1. Manipulation de l'estimateur de Kaplan-Meier. Soit un échantillon de n individus i.i.d. de durée de vie T1...
Décembre 2014 EXERCICE N° 1 ÉNONCÉ Un médicament a été
Si on injecte le produit à la dose x = 6 mg peut-on prévoir la survie ? QUESTION N° 3 : On veut comparer la survie d'animaux de laboratoire traités par A à
Biostatistique : Analyse de Survie
Exercice. La médiane de survie est de 12 mois chez un groupe de souris. On suppose que l'on peut modéliser le délai de survie par une loi exponentielle.
Exercice 1 Exercice 2
STT-7130 ANALYSE DE DURÉES DE VIE. Série # 4. Exercice 1. Dans un échatillon de π(t u) = P(T >t;U>u). On suppose que la fonction de survie de la variable ...
Durée de vie des Motorettes (analyse de survie)
fonction de survie taux de panne
Analyse de Survie - Thibault ALLART
1 Généralités sur l'analyse de survie Exercice : loi exponentielle ... Exercice. Calculez l'estimateur de Kaplan Meier pour les observations.
Analyse de survie : Méthodes non paramétriques
0.448. Page 15. Application sous R. ## groupe=Placebo. ## time n.risk n.event survival. ##. 1. 21. 2. 0.905. ##. 2. 19. 2. 0.810. ##. 3. 17. 1.
Jonathan Lenoir
Test d'une différence de survie entre plusieurs échantillons Exercice. Un volontaire au tableau pour calculer la formule de la fonction S de survie si ...
Corrigés des exercices du livre et en ligne
Cela facilite la tâche de collecte et d'analyse des données. L'ERP permet assez facilement au contrôleur de gestion d'accéder à des données physiques. 3. A la
TP danalyse de données de survie 3 heures
5 nov. 2013 Puis comparer la survie des deux groupes. 5.2.2 Mod`ele de Cox : Hypoth`ese des risques proportionnels. Exercice 2 (base de données 2) Le jeu de ...
Modèles de durée / Examen du 13 mai 2005 Corrigé Exercice n°1
Exercice n°1 (loi exponentielle). Sous l'hypothèse d'une arrivée aléatoire des patients dans un laboratoire d'analyses médicales.
Analyse des durées de vie avec le logiciel R
survfit : fournit une estimation de la fonction de survie (méthode actuarielle ou Kaplan-Meier) • survdiff : éxécute le test du log-rank.
analyse-R.pdf
26 avr. 2022 analyse-R – Introduction à l'analyse d'enquêtes avec R et RStudio ... Il fournit plusieurs vidéos et des exercices corrigées sur la ...
mod`eles de durée Séance n 2 du 30 Novembre 2015 - Corrigé
30 nov. 2015 Séance n?2 du 30 Novembre 2015 - Corrigé. Exercice 1 ... On note S la fonction de survie de T et G celle de C. ... Réponse de l'exercice 1.
[PDF] Examen De Rattrapage Analyse de Survie
27 jui 2021 · Exercice 1 (6pts) On considère une variable aléatoire T décrivant une durée de vie ou de fonctionnement et on
[PDF] Examen Final Analyse de Survie
3 jui 2021 · Examen Final "Analyse de Survie" Exercice 1 PF ixpli™iter l— fon™tion de survie de ™et individu ™onditionnée p—r le f—it qu9il ser—
[PDF] Durée de vie des Motorettes (analyse de survie)
Exercice 3 Montrez qu'un mod`ele exponentiel est sans mémoire i e Pr[T >t + ? T >t]
[PDF] Analyse de Survie - Thibault ALLART
1 Généralités sur l'analyse de survie Introduction Définitions Censure Exercice Calculez l'estimateur de Kaplan Meier pour les observations
[PDF] Corrigé Exercice 1 Manipulation de lestimateur de Kaplan-Meier
30 nov 2015 · En déduire l'expression de l'estimateur de Kaplan- Meier de la fonction de survie 4 En suivant un raisonnement similaire avec H1 (t) = P(Y >t
DUREE DE SURVIE : Tentative de correction des exercices 1 et 2
6 sept 2020 · EXERCICE 1 On s'intéresse au temps de survie de patients atteints de leucemie myélode aigue Pour faire cette étude on utilisera le jeu de
[PDF] Exercice 1 - Cours - Université Laval
STT-7130 ANALYSE DE DURÉES DE VIE Série # 4 Exercice 1 Dans un échatillon de données censurées on observe la variable de censure Ci pour les n patients
[PDF] Analyses de Survie Jonathan Lenoir
Estimateur de Kaplan-Meier de la fonction de survie Qu'est-ce qu'on analyse ? Exercice Un volontaire au tableau pour calculer la formule de la
[PDF] Analyse de survie : Méthodes non paramétriques
Analyse de survie : Méthodes non paramétriques Olivier Bouaziz On note Splacebo la fonction de survie des patients traités par le placebo
TP d analyse de données de survie Correction - DocPlayerfr
TP d analyse de données de survie Correction Valérie Garès 5 novembre Analyser Exercice 3 On trace ln( ln(survie)) en fonction de ln(t) pour la variable
Comment faire une analyse de survie ?
L'analyse de survie repose souvent sur des séries temporelles de données longitudinales. Dans les cas où les événements d'intérêt ne se sont pas produits avant la fin de la période d'observation (par exemple, la maladie n'est pas apparue chez un malade) on parle de censure de la série de données.Comment interpréter la courbe de survie ?
La courbe de survie S(t) est le complément à 1 du taux cumulé d'événements en fonction du temps F(t) (figure 5). En effet, si, à un temps t le taux de survie est de 20%, le taux d'événement (décès) à ce temps est de 1-20% = 80%. Le taux cumulé d'événement n'est rien d'autre que le risque.Comment calculer la médiane de survie ?
On parle d'une survie médiane de 12 mois, par exemple, lorsque 50 % des personnes atteintes d'un cancer sont encore vivantes 12 mois après avoir été diagnostiquées ou traitées.- Lancez XLSTAT, puis sélectionnez la commande XLSTAT > Analyse de survie > Courbe de survie de Kaplan-Meier. Une fois le bouton cliqué, la boîte de dialogue apparaît. Vous pouvez alors sélectionner les données sur la feuille Excel.
Cas d"´etude
GMMA 1062014-2015 - 2 / 26
0 2000 4000 6000 8000
0 10 20 30 40
Duree de survie (heures)
Motorette No.
Temperature (°F)
220190
170
150
Figure 1:Dur´ees de fonctionnement avant d´efaillance de 40 motorettes. ?Quels commentaires souhaitez vous faire ?
Les donn´ees
GMMA 1062014-2015 - 3 / 26> library(SMPracticals); data(motorette)> motorette x cens y1 150 0 8064
2 150 0 8064
3 150 0 8064
38 220 0 528
39 220 0 528
40 220 0 528xTemp´erature◦F
censVariable indicatrice de censure (`a droite), 1: non censur´ee / 0: cen- sur´ee yDur´ee de survie en heureObjectifs et ´el´ements parcourus
GMMA 1062014-2015 - 4 / 26?Notre objectif est de proposer un mod`ele statistique pour mod´eliser la
dur´ee de fonctionnement avant d´efaillance de motorettes en fonction de la temp´erature. ?Le but initial de cette exp´erience ´etait de caract´eriser le comportement `a 130◦F-mais le faire `a cette temp´erature aurait ´et´e trop long/coˆuteux !
?Ceci nous permettra de croiser les objets suivants :-censure `a droite, gauche, par intervalle, de type I et de type II,
notations conventionnelles -fonction de survie, taux de panne, taux de panne cumul´e -Kaplan-Meier -Vraisemblance pour des donn´ees censur´ees1. Analyse de survie et donn´ees censur´ees
?1. Analyse desurvie et donn´eescensur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 5 / 26
Analyse de survie
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 6 / 26?L"analyse de survie consiste `a analyser la dur´ee avant qu"un´ev´enement pr´ecis se produise.
?Voici quelques exemples-Dur´ee avant la r´esurgence d"une tumeur -Dur´ee avant qu"un composant ´electronique casse -Dur´ee avant qu"un ´etudiant s"endorme pendant cecours... ?L"analyse de survie est sp´ecifique car les donn´ees sont tr`es particuli`eres -positives et fortement asym´etriques -l"int´erˆet porte sur une dur´ee ´eloign´ee plutˆot qu"uncomportement moyen -pr´esence de censureCensure
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 7 / 26D´efinition 1.Une observation est dite censur´ee lorsque cette derni`ere est partiellement connue . Par exemple l"observation est plus grande/petite qu"une valeur seuil; ou encore l"observation est comprise dans l"intervalle[a,b]. Dans un contexte m´edical, la censure peut apparaˆıtre lorsque ?le patient quitte l"´etude ?le patient ne montre pas de symptˆomes/progr`es avant la finde l"´etude ?le fichier du patient est perdu...Les diff´erents types de censure
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 8 / 26?Les observations peuvent pr´esenter diff´erents types decensuregauchel"observation est plus petite qu"une valeur mais de
combien ? intervallel"observation est tomb´ee quelque part dans un intervalle donn´ee mais o`u ? droitel"observation est plus grande qu"une valeur mais de combien ??L"exp´erience elle-mˆeme peut engendrer cette censuretype 1L"exp´erience `a une dur´ee pr´ed´etermin´ee provoquant
´eventuellement une censure `a droite
type 2L"exp´erience s"arrˆete lorsqu"un nombre pr´ed´etermin´e d"unit´es/patients ont faillies.Repr´esentation des observations censur´ees
GMMA 1062014-2015 - 9 / 26?Il existe une convention afin d"´ecrire le type de censure des observations.
Ainsi4indique que l"observation 4 est non censur´ee
4+indique que l"observation 4 est censur´ee `a droite
4-indique que l"observation 4 est censur´ee `a gauche
[5-10]indique une censure par intervalle ?Ainsi nos donn´ees peuvent s"´ecrire dans le tableau suivantTable 1:Donn´ees de survie motorette.
◦F Dur´ee de fonctionnement avant d´efaillance (heures)150 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+
170 1764 2772 3444 3542 3780 4860 5196 5448+ 5448+ 5448+
190 408 408 1344 1344 1440 1680+ 1680+ 1680+ 1680+ 1680+
220 408 408 504 504 504 528+ 528+ 528+ 528+ 528+
Repr´esentation des donn´ees censur´ees
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 10 / 26SoientT1,...,Tnndur´ees de survie etCile temps de censure (`a droite) pour lei-`eme sujet. La r´eponse observ´ee est alors donn´ee par T ?i= min(Ti,Ci), ou sous une autre forme TTerminologie
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 11 / 26D´efinition 2.SoitTde densit´efet f.d.r.F. On appelle a) fonction de survie (survival function)S(t) = Pr[T > t] = 1-F(t)?[0,1]
b) taux de panne (hazard function) h(t) = limΔt→0Pr[t < T < t+ Δt|T > t]Δt=f(t)
S(t)>0
c) taux de panne cumul´e (cumulative hazard function)H(t) =?
t 0 h(u)du >0.Liens entre ces fonctions
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 12 / 26Remarque.La connaissance d"une seule de ces fonctions permet de connaˆıtre les autres. En effet h(t) =-d dtlnS(t)H(t) =-lnS(t)
S(t) = exp{-H(t)}.
?Ainsi on pourra poser un mod`ele statistique param´etrique enfaisant un choix particulier sur l"une ou l"autre des fonctions.
Estimation non param´etrique deS(t)
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 13 / 26?PuisqueS(t) = Pr[T > t], une estimation non param´etrique estS(t) = 1-1
nn i=11 ?Mais cet estimateur n"est pas pertinent en pr´esence decensure ?Il est plus adapt´e d"utiliser l"estimateur deKaplan-Meier
?D"autres estimateurs existent "Nelson-Aalen" ou "life table" mais nous ne les verrons pasKaplan-Meier : une id´ee simple
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 14 / 26Exercice 1.Soient0 =t0< t1< t2<···< tnles dur´ee de survie ordonn´ees. Montrez que pourk? {1,...,n},S(tk) =k?
j=1Pr[T > tj|T > tj-1].Kaplan-Meier : une id´ee simple
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 14 / 26Exercice 1.Soient0 =t0< t1< t2<···< tnles dur´ee de survie ordonn´ees. Montrez que pourk? {1,...,n},S(tk) =k?
j=1Pr[T > tj|T > tj-1]. ?Les quantit´esPr[T > tj|T > tj-1]sont estim´ees par1-dj/nj,
o`unjest le nombre de sujets encore `a risque/en vie pendant [tj-1,tj)etdjle nombre de d´efaillances/morts au tempstj.Exemple
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 15 / 26Soit les donn´ees de survie suivantes6,8+,12,3,21,12. D"o`u j tjnjdj1-dj/njˆS(tj)0 0 6 0 1 11 3 6 11-1/6 5/62 6 5 11-1/5 4/5×5/63 8+ 4 01 4/5×5/64 12 3 21-2/3 2/3×4/5×5/6
5 21 1 10 0×2/3×4/5×5/6
Remarque.Notez comment agit l"observation censur´ee. La proc´edure suppose qu"il y a eu d´efaillance/mort pendant le laps de temps(8,12)mais n"est pas comptabilis´ee dans lesdj. Exercice 2.Trouvez l"estimateur de Kaplan-Meier pour les donn´ees motorette `a190◦F et le codeRassoci´e.1. Analyse de survieet donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 16 / 26
0 2000 4000 6000 80000.0 0.2 0.4 0.6 0.8 1.0
Duree (heures)
S^(t)Temperature (°F)
220190
170
150
Figure 2:Estimateur de Kaplan-Meier pour la fonction de survie des donn´ees mo- torette. ?Le symbole+code la pr´esence d"observations censur´ees. ?Pourquoi une estimation pour chaque temp´erature ?
Hypoth`eses pour Kaplan-Meier
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 17 / 26Il faut garder en m´emoire que l"estimateur de Kaplan-Meierrepose sur deux hypoth`eses importantes :censure non informativeSuppose l"ind´ependance entreTiet
C idans la repr´esentationT?i= min(Ti,Ci). Si elle ne pas v´erifi´ee, estimateur biais´e. homog´en´eit´eChaqueTiprovient de la mˆeme loi. Si ce n"est pas le cas, risque de mauvaise interpr´etation/non sens...2. Analyses de survie param´etriques
1. Analyse de survie
et donn´ees censur´ees?2. Analyses desurvieparam´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 18 / 26
Mod`ele exponentiel(λ >0)
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 19 / 26f(t) =λexp(-λt), S(t) = exp(-λt) h(t) =λ, H(t) =λt Exercice 3.Montrez qu"un mod`ele exponentiel est sans m´emoire, i.e.,Pr[T > t+ Δ|T > t] = Pr[T >Δ],Δ,t >0.
Mod`ele exponentiel(λ >0)
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 19 / 26f(t) =λexp(-λt), S(t) = exp(-λt) h(t) =λ, H(t) =λt Exercice 3.Montrez qu"un mod`ele exponentiel est sans m´emoire, i.e.,Pr[T > t+ Δ|T > t] = Pr[T >Δ],Δ,t >0.
?Le taux de pannehest constant-souvent peu r´ealisteMod`ele de Weibull(λ >0,κ >0)
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 20 / 26f(t) =κλ-κtκ-1exp{-(t/λ)κ}, S(t) = exp{-(t/λ)κ} h(t) =κλ-κtκ-1, H(t) =λ-κtκ0 2 4 6 8 10
0.0 0.2 0.4 0.6 0.8 1.0
t S(t) k =0.5k =1k =1.50 2 4 6 8 10
0 1 2 3 4 5
t h(t)0 2 4 6 8 10
0 2 4 6 8 10
t H(t) Figure 3:Graphes de la fonction de survieS(t), du taux de panneh(t)et du taux de panne cumul´eH(t)pour le mod`ele de Weibull avecλ= 1etκ= 0.5,1,1.5. Estimation d"un mod`ele param´etrique de survie1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 21 / 26?Nous allons utiliser l"estimateur du maximum devraisemblance?Attention `a la pr´esence de donn´ees censur´ees. Lacontribution de lai-`eme observationti`a la vraisemblance est
-f(ti;θ)sitin"est pas censur´ee -Pr[T > ti] = 1-F(ti)sitiest censur´ee `a droite -Pr[T < ti] =F(ti)sitiest censur´ee `a gauche -Pr[a < T < b] =F(b)-F(a)sitiest censur´e par l"intervalle[ai,bi] Estimation d"un mod`ele param´etrique de survie1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 21 / 26?Nous allons utiliser l"estimateur du maximum devraisemblance?Attention `a la pr´esence de donn´ees censur´ees. Lacontribution de lai-`eme observationti`a la vraisemblance est
-f(ti;θ)sitin"est pas censur´ee -Pr[T > ti] = 1-F(ti)sitiest censur´ee `a droite -Pr[T < ti] =F(ti)sitiest censur´ee `a gauche -Pr[a < T < b] =F(b)-F(a)sitiest censur´e par l"intervalle[ai,bi] ?La vraisemblance est alorsL(θ) =? i?NCf(ti;θ)? i?D{1-F(ti)}? i?GF(ti)? i?I{F(bi)-F(ai)}, o`uNCd´esigne l"ensemble des observations non censur´ees,D celles `a droite,G`a gauche etIpar intervalle.3. Ce que nous ne verrons pas
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques?3. Ce que nousne verrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 22 / 26
Pour les personnes int´eress´ees
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 23 / 26Nous avons `a peine survol´e l"analyse de survie. Les personnesint´eress´ees pourrant regarder les th`emes suivants :?Comparaison de fonctions de survie
?Mod`eles de Cox, mod`eles de fragilit´e (frailty models) ?Mod`ele log-logistique4. Les mains dans le cambouis
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas?4. Les mainsdans le cambouis
GMMA 1062014-2015 - 24 / 26
Mod`ele
GMMA 1062014-2015 - 25 / 26
◦F Dur´ee de fonctionnement avant rupture (heures)150 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+ 8064+
170 1764 2772 3444 3542 3780 4860 5196 5448+ 5448+ 5448+
190 408 408 1344 1344 1440 1680+ 1680+ 1680+ 1680+ 1680+
220 408 408 504 504 504 528+ 528+ 528+ 528+ 528+Nous allons consid´erer le mod`ele de Weibull suivant
pouri= 1,...,4,j= 1,...,10et o`u les dur´ees `a d´efaillances seront prises en centaines d"heures et la covariablexiestln(temp´erature/100).Ce que j"aimerais que vous fassiez
1. Analyse de survie
et donn´ees censur´ees2. Analyses desurvie param´etriques3. Ce que nous neverrons pas4. Les mains dans lecambouis
GMMA 1062014-2015 - 26 / 26?
´Ecrire la vraisemblance pour ce mod`ele
?´Ecrire une fonctionRcalculant l"estimateur du maximum dequotesdbs_dbs22.pdfusesText_28[PDF] 144
[PDF] 8 millions en chiffre
[PDF] 4 milliards 570 million
[PDF] cent millième en chiffre
[PDF] centaine de mille
[PDF] centile exemple
[PDF] 95 percentile définition
[PDF] percentile definition
[PDF] musso pdf je reviens te chercher
[PDF] central park pdf ekladata
[PDF] central park musso film
[PDF] synthèse anglais centrale
[PDF] centrale physique 1 pc 2012 — corrigé
[PDF] sujets centrale 2017