Beruflich Dokumente
Kultur Dokumente
## Einleitung Kaplan-Meier-Verfahren
Das nicht-parametrische Verfahren nach Kaplan und Meier schätzt im Gegensatz
zu anderen Methoden die *survival function* $S(t)=P(T>t)$, bzw.
Zuverlässigkeitsfunktion $R(t)$, also die Wahrscheinlichkeit, dass eine
Einheit den Zeitpunkt $t$ überlebt. Anwendbar ist diese Methode ebenfalls auf
(multipel) rechtszensierte Daten.
if (!require(tidyverse)) {
install.packages("tidyverse") # Installationsroutine
require(tidyverse) # Einbinden des Packages
}
if (!require(plotly)) {
install.packages("plotly") # Installationsroutine
require(plotly) # Einbinden des Packages
}
```
Bei einem Versuch sind fünf von zehn Probanden ausgefallen. Damit sind fünf
Probanden ohne Schaden geblieben. Die beiliegende Tabelle fasst den Versuch
zusammen.
i | Lastzyklen | Status
:-----: | :-----: | :-----:
1 | 10.000 | F
2 | 18.000 | F
3 | 40.000 | F
4 | 75.000 | F
5 | 90.000 | F
6 | 160.000 | S
7 | 25.000 | S
8 | 50.000 | S
9 | 100.000 | S
10 | 150.000 | S
Lösung zu Aufgabenteil 1:
# Daten erzeugen:
cycles <- c(10000, 18000, 40000, 75000, 90000, 160000, 25000, 50000, 100000,
150000)
status <- c(1, 1, 1, 1, 1, 0, 0, 0, 0, 0)
# Visualisierung:
km_plot <- plot_prob(x = km_cycles$characteristic, y = km_cycles$prob,
event = km_cycles$status, title_main = "Weibull - Wahrscheinlichkeitsnetz",
title_x = "Lastzyklen", title_y = "Ausfallwahrscheinlichkeit in %",
title_trace = "Ausfälle (K-M)") %>%
plot_mod(x = km_cycles$characteristic, loc_sc_params =
km_reg$loc_sc_coefficients,
title_trace = "RR - K-M (x on y)")
km_plot
```
Lösung zu Aufgabenteil 2:
# Medianrang-Schätzungen:
mr_cycles <- mr_method(x = cycles[1:5])
mr_cycles
# Medianrang-Regression:
mrr_cycles <- rank_regression(x = mr_cycles$characteristic, y = mr_cycles$prob,
event = mr_cycles$status)
mrr_cycles
Lösung zu Aufgabenteil 3:
# Nelson-Verfahren:
nel_cycles <- nelson_method(x = cycles, event = status)
nel_cycles
# K-M-Schätzer (manuell):
versuch_km <- versuch %>%
mutate(term = (n_i - d_i) / n_i, cumprod_term = cumprod(term),
wkt = ifelse(d_i != 0, yes = 1 - cumprod_term, no = NA_real_))
versuch_km
```
Bleibt zum Versuchsende nicht mindestens ein Survivor übrig, so liefert der
klassische Kaplan-Meier-Schätzer rein rechnerisch stets eine
Ausfallwahrscheinlichkeit von 1. Dieses Resultat ist im Kontext der
Lebensdaueranalyse zu pessimistisch und sollte als ein Grenzfall betrachtet werden:
$$\lim\limits_{t \to \infty}F(t)=1$$
In der Funktion `kaplan_method` wurde der herkömmliche Schätzer so modifiziert,
dass die Ausfallwahrscheinlichkeit stets kleiner als 1 ist.
# Modifizierter status:
status_modified <- c(rep(0, 20), rep(1, 11), rep(0, 60), rep(1, 10), rep(0, 20),
rep(1, 13), rep(0, 10))