After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
새 약을 복용한 환자는 다른 환자보다 더 오래 생존하나요? 실직 후 사람들은 얼마나 빨리 새 직장을 구하나요? 파티에서 친구들이 춤추는 시간을 어떻게 하면 더 길게 유지할 수 있을까요? 이런 질문들은 모두 사건 발생까지의 시간을 다루는 데이터 분석이 필요하며, 이를 위해서는 특별한 통계 기법을 사용합니다. 이 강의는 사건-발생 시간 데이터 분석, 즉 생존 분석의 기본 개념을 소개합니다. 사건-발생 시간 데이터를 다루는 방법과 생존 곡선, Weibull 모형, Cox 모형을 계산하고 시각화하며 해석하는 방법을 배워요.
사전 요구 사항
커리큘럼
코스 개요
1
생존 분석이란 무엇인가요?
첫 번째 장에서는 생존 분석의 개념을 소개하고, 이 주제가 왜 중요한지 설명하며, 생존 곡선의 이론을 간단히 살펴봅니다. 사건-발생 시간 데이터를 다룰 때 왜 특별한 방법이 필요한지와 함께 검열(censoring) 개념을 소개합니다. 또한 사건이 발생하기까지 걸린 시간의 분포를 어떻게 기술하는지도 다룹니다.
2
생존 곡선 추정
이 장에서는 생존 곡선을 추정하는 다양한 방법을 살펴봅니다. 생존 곡선 추정을 위한 도구로 Kaplan-Meier 추정과 Weibull 모형을 소개하고, 그 결과를 시각화를 통해 어떻게 효과적으로 전달할지 배웁니다.
3
Weibull 모형
이 장에서는 Weibull 모형을 추정하고 시각화하는 방법을 배우며, 공변량이 사건-발생 시간 결과에 미치는 영향을 이해합니다.
4
Cox 모형
마지막 장에서는 Cox 모형을 계산하고 해석하는 방법을 배우며, 이 모형이 왜 유용한지, 그리고 Weibull 모형과 어떻게 다른지를 이해합니다.
R
R로 배우는 생존 분석
코스
완료
