Análisis de distribución no paramétrica (censura por la derecha)

Este análisis estima la supervivencia a partir de datos de vida en los que algunas unidades se retiraron o seguían en funcionamiento (censuradas por la derecha), sin suponer una distribución de Weibull, lognormal ni de otro tipo. Introduzca los tiempos de fallo o de censura y una columna de censura. Usa la estimación de Kaplan-Meier con límites de confianza de Greenwood. La salida incluye la tabla de Kaplan-Meier, la vida mediana con su intervalo de confianza, una media corregida y una gráfica de supervivencia.

Última revisión:

Idea clave

Estima la curva de supervivencia y la vida mediana de un producto directamente a partir de datos de vida con unidades censuradas por la derecha, con Kaplan-Meier y sin suponer ninguna distribución.

En esta página
  1. Propósito
  2. Capacidades principales
  3. Métodos estadísticos
  4. Campos y opciones de entrada
  5. Descripción de la salida
  6. Ejemplo

Propósito

El análisis de distribución no paramétrica (censura por la derecha) estima la curva de supervivencia de un producto directamente a partir de datos de vida, sin suponer una distribución de Weibull, lognormal ni de otro tipo. Maneja las unidades que se retiraron o seguían en funcionamiento cuando terminó la observación (censuradas por la derecha). Úselo para leer la supervivencia a edades dadas y la vida mediana cuando ninguna distribución se ajusta bien o no desea depender de una, y como comprobación de un ajuste paramétrico.

Capacidades principales

  • Estimación de supervivencia de Kaplan-Meier en cada tiempo observado, con errores estándar y límites de confianza.
  • Número en riesgo, número de fallos y un indicador de censura en cada tiempo.
  • Vida mediana con un intervalo de confianza y una estimación de la media.
  • Recuentos de fallos y de unidades censuradas por la derecha.
  • Gráfica de supervivencia de Kaplan-Meier con bandas de confianza.

Métodos estadísticos

En la columna de censura, las filas iguales al valor de censura están censuradas por la derecha y todas las demás son fallos. La estimación de Kaplan-Meier es S(t) = Π (1 − dⱼ / rⱼ) sobre todos los tiempos de fallo tⱼ ≤ t, donde dⱼ es el número de fallos en tⱼ y rⱼ el número de unidades aún en riesgo justo antes de tⱼ. Una unidad censurada sale del conjunto en riesgo en su tiempo de censura sin provocar un escalón, de modo que cuenta como superviviente hasta ese momento y no más allá. La curva solo desciende en los tiempos de fallo.

El error estándar es S(t) multiplicado por la raíz cuadrada de la suma de Greenwood, Σ dⱼ / (rⱼ(rⱼ − dⱼ)). Los límites de confianza usan la forma exponencial (log-log) de la fórmula de Greenwood, que los mantiene entre 0 y 1. La mediana es el primer tiempo en el que S(t) cae a 0.5 o menos; su intervalo de confianza va desde el primer tiempo en que la banda inferior cae a 0.5 o menos hasta el primer tiempo en que lo hace la banda superior (método de Brookmeyer-Crowley). La mediana o sus límites no son estimables si la curva o la banda nunca llega a 0.5.

Mean(corrected) es el área bajo la curva escalonada de Kaplan-Meier desde 0 hasta el mayor tiempo observado (la media restringida): S = 1 hasta el primer tiempo y luego cada estimación se mantiene hasta el siguiente tiempo indicado. Si la mayor observación está censurada, la curva no ha llegado a 0 y la media verdadera es mayor, por lo que la herramienta añade una advertencia. Tras el último fallo, la estimación se mantiene plana: los datos no dicen nada sobre los fallos posteriores a ese tiempo.

Campos y opciones de entrada

Campo

Descripción

Variable

Obligatorio. Tiempo hasta el fallo, o tiempo hasta la censura de las unidades retiradas o que siguen en funcionamiento.

Use censoring column

Obligatorio. Las filas iguales al valor de censura están censuradas por la derecha; todas las demás son fallos. Cada fila necesita un valor.

Censoring value

El valor de la columna de censura que marca una unidad censurada. Predeterminado 0, de modo que 1 = fallo.

Confidence level (%)

Para los límites de confianza de la supervivencia y de la mediana. Predeterminado 95; de 50 a 99.99.

nonparametric-distribution-analysis-right-censoring-inputs


Figura 1: opciones del ejemplo: tiempos de prueba de bobinados a 80 °C (Temp80), columna de censura Cens80 con valor de censura 0.

Descripción de la salida

  • Censoring table: el número de valores no censurados (fallos) y censurados por la derecha.
  • Characteristics: Mean(corrected) y Median con los límites de confianza de la mediana.
  • Notes: por ejemplo, cuando la media está subestimada porque la mayor observación está censurada, o cuando la mediana no es estimable.
  • Kaplan-Meier table: Time, Number at Risk, Number of Events, Censored, Survival Probability, Standard Error y límites de confianza.
  • Kaplan-Meier Survival Plot: la curva de supervivencia escalonada con sus bandas de confianza.
  • Exportación a PDF mediante Download.

nonparametric-distribution-analysis-right-censoring-output


Figura 2: Characteristics, el inicio de la tabla de Kaplan-Meier y la gráfica de supervivencia de 50 bobinados: vida mediana de 55 horas (IC del 95% de 51 a 62).

Ejemplo

Un ingeniero de fiabilidad prueba 50 bobinados de motores de turbina a 80 °C. Fallan 37 y 13 se retiran antes de fallar. Sin suponer ninguna distribución, el ingeniero quiere saber cuántos bobinados sobreviven hasta una edad dada y cuál es la vida mediana. Define Variable = Temp80, Use censoring column = Cens80 y Censoring value = 0, y mantiene una confianza del 95%.

La vida mediana es de 55 horas, con un intervalo de confianza del 95% de 51 a 62 horas. La supervivencia estimada es 0.66 a las 50 horas (IC del 95% de 0.51 a 0.77) y 0.40 a las 60 horas (0.27 a 0.53). La tabla desciende en cada fallo, por ejemplo de 0.66 a 0.58 a las 51 horas cuando fallan cuatro bobinados a la vez. El último fallo se produce a las 74 horas; después, todos los bobinados restantes se retiraron, por lo que la curva se mantiene en 0.258 y los datos no pueden decir cuándo habrían fallado esos bobinados. Mean(corrected) es 63.7 horas, con la nota de que está subestimada porque la mayor observación (105 horas) está censurada.

Para el ingeniero, la mediana de 55 horas es la respuesta más directa, sin suponer ningún modelo. Un ajuste de Weibull a los mismos datos (gráfica de resumen de distribución o análisis de distribución paramétrica) da una supervivencia de 0.66 a las 50 horas, que coincide con la estimación de Kaplan-Meier, pero 0.53 a las 60 horas frente a 0.40 aquí, y una mediana de 62.6 horas. La diferencia muestra dónde divergen el modelo de Weibull y los datos, y qué mediana informar depende de si se confía en el modelo más allá de la región en la que los datos concuerdan con él.

Preguntas frecuentes

¿Qué es la estimación de Kaplan-Meier?

La estimación de Kaplan-Meier es una curva de supervivencia no paramétrica, S(t), calculada como el producto de (1 - d/r) sobre todos los tiempos de fallo hasta t, donde d es el número de fallos en un tiempo y r el número de unidades aún en riesgo justo antes de él. Una unidad censurada sale del conjunto en riesgo sin provocar un escalón, de modo que la curva solo desciende en los tiempos de fallo.

¿Cuándo usar el análisis no paramétrico en lugar del análisis de distribución paramétrica?

Use el análisis no paramétrico de Kaplan-Meier para leer la supervivencia a edades dadas y la vida mediana cuando ninguna distribución se ajuste bien o no desee depender de una. También sirve como comprobación de un ajuste paramétrico, al mostrar dónde divergen un modelo como el de Weibull y los datos.

¿Cómo se obtienen la vida mediana y su intervalo de confianza?

La mediana es el primer tiempo en el que la estimación de supervivencia cae a 0.5 o menos. Su intervalo de confianza va desde el primer tiempo en que la banda inferior llega a 0.5 o menos hasta el primer tiempo en que lo hace la banda superior (método de Brookmeyer-Crowley). La mediana o sus límites no son estimables si la curva o la banda nunca llega a 0.5.

¿Por qué se marca como subestimada la media de Kaplan-Meier?

Mean(corrected) es el área bajo la curva escalonada de Kaplan-Meier hasta el mayor tiempo observado. Si la mayor observación está censurada, la curva no ha llegado a 0 y la media verdadera es mayor, por lo que se añade una advertencia. Tras el último fallo, la estimación se mantiene plana, porque los datos no dicen nada sobre los fallos posteriores a ese tiempo.