Ga naar hoofdinhoud
HomePython

Cursus

Survivalanalyse in Python

GevorderdVaardigheidsniveau
Bijgewerkt 06-2024
Gebruik overlevingsanalyse om met tijd-tot-gebeurtenisgegevens te werken en de overlevingstijd te voorspellen.
Start Cursus Kosteloos
PythonProbability & Statistics
4 u
16 videos
48 Opdrachten
3,850 XP
5,748
Prestatieverklaring

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Training a Team?

Try for Business

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

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.
Hoofdstuk Beginnen
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.
Hoofdstuk Beginnen
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.
Hoofdstuk Beginnen
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.
Hoofdstuk Beginnen
Survivalanalyse in Python
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf Je Nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Survivalanalyse in Python!

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.