Ir al contenido principal
InicioPython

Curso

Análisis de supervivencia en Python

AvanzadoNivel de habilidad
Actualizado 6/2024
Utiliza el análisis de supervivencia para trabajar con datos de tiempo hasta el evento y predecir el tiempo de supervivencia.
Comienza El Curso Gratis
PythonProbability & Statistics
4 h
16 vídeos
48 Ejercicios
3,850 XP
5,813
Certificado de logros

Crea tu cuenta gratuita

Continuar Con GoogleMostrar más opciones

o

Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Preferido por estudiantes en miles de empresas

Group

¿Formando un equipo?

Prueba para empresas

Descripción del curso

¿Cuánto tarda en aparecer la gripe tras la exposición? ¿Y qué pasa si no sabes cuándo se contagió la gente? ¿Influyen el salario y el equilibrio entre vida personal y laboral en la rapidez de la rotación de personal? Muchos retos reales requieren análisis de supervivencia para estimar con rigor el tiempo hasta un evento y así extraer conclusiones de las distribuciones de tiempos. Este curso te presenta los conceptos básicos del análisis de supervivencia. Con práctica guiada, aprenderás a calcular, visualizar, interpretar y comparar curvas de supervivencia usando los modelos de Kaplan-Meier, Weibull y Cox PH. Al finalizar, sabrás modelar distribuciones de supervivencia, crear gráficos claros de curvas de supervivencia e incluso predecir duraciones de supervivencia.

Requisitos previos

Introduction to Regression with statsmodels in PythonHypothesis Testing in Python
1

Introduction to Survival Analysis

What problems does survival analysis solve, and what is censorship? You’ll answer these questions as you explore survival analysis data, build survival curves, and make basic estimations of survival time.
Iniciar Capítulo
2

Survival Curve Estimation

In this chapter, you’ll learn how the Kaplan-Meier model works and how to fit, visualize, and interpret it. You’ll then apply this model to explore how categorical variables affect survival and learn how to supplement your analysis using hypothesis testing methods like the log-rank test.
Iniciar Capítulo
3

The Weibull Model

Discover how to model time-to-event data with parametric models. Learn how to use the Weibull model and the Weibull AFT model and what different purposes they serve. Use survival regression to make inferences about how covariates affect the survival function and learn how to select the best survival model for your data.
Iniciar Capítulo
4

The Cox PH Model

Another chapter, another model! In this final chapter, you'll learn about the proportional hazards assumption and the role it plays in fitting and interpreting the Cox Proportional Hazards model. You’ll also learn how to predict new subjects' survival times using the Cox Proportional Hazards model.
Iniciar Capítulo
Análisis de supervivencia en Python
Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete Ahora

    ¡Únete a 19 millones de estudiantes y empieza Análisis de supervivencia en Python hoy mismo!

    Crea tu cuenta gratuita

    Continuar Con GoogleMostrar más opciones

    o

    Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

    Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

    Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.