Ga naar hoofdinhoud

Cursus

Survivalanalyse in Python

Gevorderd4 u

Gebruik overlevingsanalyse om met tijd-tot-gebeurtenisgegevens te werken en de overlevingstijd te voorspellen.

Python4 u16 video's48 oefeningen3,850 XP5,886Bewijs van voltooiing

Maak je gratis account aan

Ga verder met Google
of
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, onze Privacybeleid en dat uw gegevens in de VS worden opgeslagen.

Geliefd bij learners van duizenden bedrijven

Cursusbeschrijving

Hoe lang duurt het voordat griepsymptomen verschijnen na blootstelling? En wat als je niet weet wanneer mensen het virus hebben opgelopen? Beïnvloeden salaris en werk-privébalans de snelheid van personeelsverloop? Voor veel vraagstukken heb je survivalanalyse nodig om de tijd tot een gebeurtenis robuust te schatten, zodat je inzicht krijgt uit tijd-tot-gebeurtenisverdelingen. Deze cursus introduceert de basisconcepten van survivalanalyse. Met praktische oefeningen leer je overlevingscurves berekenen, visualiseren, interpreteren en vergelijken met Kaplan-Meier-, Weibull- en Cox PH-modellen. Aan het einde van deze cursus kun je overlevingsverdelingen modelleren, mooie grafieken van overlevingscurves maken en zelfs overlevingsduur voorspellen.

Vereisten

Curriculum

Cursusoverzicht

1

Introductie tot survivalanalyse

2

Schatten van overlevingscurves

3

Het Weibull-model

4

Het Cox PH-model

Nog een hoofdstuk, nog een model! In dit laatste hoofdstuk leer je over de proportional hazards-aanname en de rol die deze speelt bij het fitten en interpreteren van het Cox Proportional Hazards-model. Je leert ook hoe je met het Cox Proportional Hazards-model de overlevingstijden van nieuwe proefpersonen voorspelt.
Start hoofdstuk

Survivalanalyse in Python

Cursus
voltooid

Verdien een Statement of Accomplishment

Nu inschrijven

Verbeter je datavaardigheden met DataCamp voor mobiel

Blijf onderweg bezig met onze mobiele cursussen en dagelijkse programmeeruitdagingen van 5 minuten.