用r绘制可靠性数据的Kaplan Meier estimate并用Weibull分布近似进行模型诊断

最新推荐文章于 2023-08-30 00:22:24 发布

maple_fish

最新推荐文章于 2023-08-30 00:22:24 发布

阅读量2.6k

点赞数 1

分类专栏：生存数据文章标签：数据分析 r语言

本文链接：https://blog.csdn.net/maple_fish/article/details/104718217

版权

本文通过R语言的survival包，利用卵巢癌患者生存时间数据，展示如何计算Kaplan-Meier统计量，并探讨用Weibull分布对数据进行近似估计。同时，通过检验确认样本是否符合指数分布和Weibull分布。

摘要由CSDN通过智能技术生成

数据集及软件

作业中遇到的问题，觉得保存之后制图调用代码会很方便。
需要导入r中的“survival”包，用于生存性分析。
调用的数据是r中内置的ovarian（卵巢癌患者在接受两种治疗药物之后的生存时间）

KM统计量

作为生存性数据里非参数统计分析里最为重要的统计量之一，Kaplan-Meier 统计量

library(survival)
fit1 = survfit(Surv(ovarian$futime,ovarian$fustat)~1)
# 绘制带confidence bound的KM curves
plot(fit1,main="Kaplan-Meier estimate with 95% cofidence bounds", xlab = "days", ylab = "survival function", col=4)

在这里插入图片描述

Weibull分布近似估计

进行Weibull 分布近似

fit2<-survreg(Surv(ovarian$futime,ovarian$fustat)~1, dist="weibull")
summary(fit2)
mu <- fit2$coefficients
sigma <- fit2$scale
lambda.hat<- exp(-mu)
alpha.hat<- 1/sigma