Vous êtes sur la page 1sur 49

Le modle de Cox

Victor Fardel

Ewen Gallic

30 janvier 2013
Facult des Sciences conomiques, UFR de mathmatiques

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
2 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Dvelopp par David Cox (1972)[1]


Objectifs et utilisation :
I

tudier la probabilit de dfaillance dun individu en fonction de


ses caractristiques, diffrents instants t,
principaux domaines dapplication :
industrie,
mdecine,
sciences actuarielles ;

Difficults :
I
I

nombre de donnes limites,


censure et troncature.

Victor Fardel, Ewen Gallic

Le modle de Cox
3 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Prsentation des donnes


Rossi (1980)[5] ;
432 entres ;
10 variables.

1
2
3
4
5
6

arrest

week

fin

age

race

wexp

mar

paro

prio

educ

1
1
1
0
0
0
...

20
17
25
52
52
52
...

0
0
0
1
0
0
...

27
18
19
23
19
24
...

1
1
0
1
0
1
...

0
0
1
1
1
1
...

0
0
0
1
0
0
...

1
1
1
1
1
0
...

3
8
13
1
3
2
...

3
4
3
5
3
4
...

Victor Fardel, Ewen Gallic

Le modle de Cox
4 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Fonctions de survie

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
5 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Fonctions de survie

Dfinition (Fonction de survie)


Soit Xi le temps entre le dbut de lobservation et la dfaillance ;
Les Xi sont i.i.d. de fonction de densit f (x) et de fonction de
survie
x > 0,
x > 0,

S(x) = P(X > x)


S(x) = 1

(v.a. discrte)

Z x

f (u)du

(v.a. continue)

Dans notre exemple, Xi reprsente le temps entre la sortie de prison


et la prochaine arrestation.
Victor Fardel, Ewen Gallic

Le modle de Cox
6 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Fonctions de survie

Dfinition (Fonction de survie rsiduelle)


x 0,

St (x) = P(X t > x | X > t) =

S(t + x)
S(t)

Dmo.

Dans lexemple, la survie rsiduelle correspond la probabilit que


lindividu ne soit pas de nouveau arrt sachant qu linstant t, il
na pas encore rcidiv.

Victor Fardel, Ewen Gallic

Le modle de Cox
7 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Taux de dfaillance

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
8 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Taux de dfaillance

Dfinition (Taux de dfaillance)


1
x > 0 (x) = lim P (x X < x + h | X x)
h0 h
S 0 (x)
f (x)
=
=
S(x)
S(x)
En effet, on a :
1
f (x) = lim P (x X < x + h) = F 0 (x) = S 0 (x)
h0 h

Victor Fardel, Ewen Gallic

Le modle de Cox
9 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Taux de dfaillance

Appliqu notre jeu de donnes, il sagit de la probabilit que lindividu se fasse arrter entre les instants x et x + h tant donn qu
linstant x il nait pas rcidiv.

Victor Fardel, Ewen Gallic

Le modle de Cox
10 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Censure

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
11 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Censure

Dfinition (Censure)
On parle de censure Ci dune donne i si :
avant la fin de ltude, on nobserve plus lindividu sans quil y
ait eu de dfaillance ;
la fin de ltude, la dfaillance na toujours pas t observe.
Sinon, si une dfaillance est observe, on qualifie la donne de complte.
La rponse la fin de ltude pour un individu i est note :
Xiobs = min (Xi , Ci )

Victor Fardel, Ewen Gallic

Le modle de Cox
12 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Censure

6
5
4
3
2
1
0
0

10

20

30

40

50

Temps

Figure 1: Illustration de la censure sur les donnes de prison.


Victor Fardel, Ewen Gallic

Le modle de Cox
13 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Censure

Une indicatrice indique si la donne i est censure :


i = 1{Xi Ci }
Dans le cas des prisonniers, si lissue de la 52e semaine, lindividu
na toujours pas t arrt, la donne est censure (la variable arrest
() prend la valeur 0).

Victor Fardel, Ewen Gallic

Le modle de Cox
14 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Processus de comptage des dfaillances

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
15 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Processus de comptage des dfaillances

Dfinition (Processus de comptage des dfaillances)


Ti la date de de dfaillance pour lindividu i ;
N (t) la variable alatoire indiquant le nombre de dfaillances
observes linstant t. Au dbut de ltude, on a N (0) = 0 ;
(

Yi (t) =

Victor Fardel, Ewen Gallic

1 si lindividu i est encore risque t


0 sinon.

Le modle de Cox
16 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Lcriture du modle

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
17 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Lcriture du modle

Dfinition (criture du modle)

(t | Zi (t)) = 0 (t) exp(Z>


i (t))
Avec :
0 (t) le risque de base, une fonction non spcifie (intensit en
labsence deffet des covariables) ;
Zi le vecteur des covariables pour un individu i ;
les mesures dinfluence des covariables sur lintensit.

Victor Fardel, Ewen Gallic

Le modle de Cox
18 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Hypothse des risques proportionnels

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
19 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Hypothse des risques proportionnels

Pour deux individus i et j, i 6= j on remarque :




(t | Zi )
exp(Z>
i )
>
=
=
exp
(Z

Z
)

i
j
(t | Zj )
exp(Z>
j )

ne dpend que des individus i et j ;


constant au cours du temps.

Victor Fardel, Ewen Gallic

Le modle de Cox
20 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Estimation du modle

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
21 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Estimation du modle

On cherche savoir la probabilit quun individu i avec des


covariables Zi ait un vnement au moment Tj , sachant quun
vnement a lieu au moment Tj :
P(indiv. i ait un v. Tj | un v. Tj )

P(indiv.i ait un v. Tj )
;
P(un v. Tj )

Cest la probabilit que lindividu i soit arrt la date Tj


sachant quil y a eu une arrestation la date Tj .

Victor Fardel, Ewen Gallic

Le modle de Cox
22 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Estimation du modle

Le numrateur est le taux de dfaillance pour lindividu i au


temps Tj ;
le dnominateur est la somme des taux de dfaillances pour
lensemble des individus encore risque Tj ;
La contribution de lindividu i la vraisemblance est donc :
i (Ti | Zi )
j=1 Yj (Ti )j (Tj | Zj )

Li () = Pn

0 (Ti ) exp(Z>
i (Ti ))
>
j=1 Yj (Ti )0 (Ti ) exp(Zi (Ti ))

= Pn

exp(Z>
i (Ti ))
>
j=1 Yj (Ti ) exp(Zi (Ti ))

= Pn

Victor Fardel, Ewen Gallic

Le modle de Cox
23 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Estimation du modle

La fonction de vraisemblance partielle scrit :


Lp () =

n
Y

i=1

exp(Z>
i )
Pn
>
j=1 Yj (Ti ) exp(Zj )

)i

Avec Ti la date de dfaillance de lindividu i.


On en drive lexpression du score partiel :
Up () =

n
X
i=1

Pn

i Zi

>
j=1 Yj (Ti )Zj exp(Zj )
Pn
>
j=1 Yj (Ti ) exp(Zj )

Dmo.

Victor Fardel, Ewen Gallic

Le modle de Cox
24 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Estimation du modle

Pour maximiser la vraisemblance partielle (soit maximiser le score


partiel), et ainsi dterminer les paramtres , il est frquent dutiliser
lalgorithme de Newton-Raphson :
k+1 = k + In1 (k )Up (k ),
avec
"

2 log Lp ()
.
In = E
>
Il faut fournir une valeur 0 initiale ainsi quun critre darrt.

Victor Fardel, Ewen Gallic

Le modle de Cox
25 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Estimation du modle

Les coefficients sont estims laide de lalgorithme de NewtonRaphson sous R.


> mod <- coxph ( Surv ( week , arrest ) ~ fin + age + race + wexp
+ mar + paro + prio , data = prison )
> print ( mod )

fin
age
race
wexp
mar
paro
prio

coef exp ( coef ) se ( coef )


z
p
-0.3794
0.684
0.1914 -1.983 0.0470
-0.0574
0.944
0.0220 -2.611 0.0090
0.3139
1.369
0.3080 1.019 0.3100
-0.1498
0.861
0.2122 -0.706 0.4800
-0.4337
0.648
0.3819 -1.136 0.2600
-0.0849
0.919
0.1958 -0.434 0.6600
0.0915
1.096
0.0286 3.194 0.0014

Likelihood ratio test =33.3


number of events = 114

Victor Fardel, Ewen Gallic

on 7 df , p =2.36 e -05

n = 432 ,

Le modle de Cox
26 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Plan
1 Introduction
2 Rappels

Fonctions de survie
Taux de dfaillance
Censure
Processus de comptage des dfaillances
3 Modle de cox risques proportionnels

Lcriture du modle
Hypothse des risques proportionnels
Estimation du modle
Tests dhypothses
4 Conclusion
Victor Fardel, Ewen Gallic

Le modle de Cox
27 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Thorme
L
1 Up ()
n
n

L

N (0, ) ;

n( ) N (0, 1 ) ;
n

n In ()

Victor Fardel, Ewen Gallic

estimateur consistant de .

Le modle de Cox
28 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Test de significativit dun coefficient :


(

H0 : = 0
H1 : 6= 0

Sous H0 , la statistique de test est de la forme :

L
N (0, 1).

Un intervalle de confiance de niveau 1 est alors donn par :





IC 1 () = u1/2

Victor Fardel, Ewen Gallic

Le modle de Cox
29 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Application aux donnes

fin
age
race
wexp
mar
paro
prio

Victor Fardel, Ewen Gallic

coef
-0.38
-0.06
0.31
-0.15
-0.43
-0.08
0.09

exp(coef)
0.68
0.94
1.37
0.86
0.65
0.92
1.10

se(coef)
0.19
0.02
0.31
0.21
0.38
0.20
0.03

z
-1.98
-2.61
1.02
-0.71
-1.14
-0.43
3.19

p
0.05
0.01
0.31
0.48
0.26
0.66
0.00

Le modle de Cox
30 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Interprtation des coefficients


On suppose que lhypothse des risques proportionnels tient ;


(t | Zi )
= exp (Zi Zj )> ;
(t | Zj )

Exemple de leffet marginal dun an supplmentaire :


exp (fini fin + agei age + . . . + prioi prio )
exp (fini fin + (agei + 1) age + . . . + prioi prio )
exp (agei age )
= exp(age ) = 0.94;
=
exp ((agei + 1) age )
Quel que soit t, chaque anne de vie supplmentaire (cet. par.)
multiplie le risque instantan par un facteur 0.94, soit une diminution de 6%.
Victor Fardel, Ewen Gallic

Le modle de Cox
31 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Application aux donnes

fin
age
race
wexp
mar
paro
prio

Victor Fardel, Ewen Gallic

coef
-0.38
-0.06
0.31
-0.15
-0.43
-0.08
0.09

exp(coef)
0.68
0.94
1.37
0.86
0.65
0.92
1.10

se(coef)
0.19
0.02
0.31
0.21
0.38
0.20
0.03

z
-1.98
-2.61
1.02
-0.71
-1.14
-0.43
3.19

p
0.05
0.01
0.31
0.48
0.26
0.66
0.00

Le modle de Cox
32 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Interprtation des coefficients


Recevoir une aide financire versus ne pas en recevoir, cet. par,
diminue le risque instantan dtre arrt de 32% ;
La couleur de peau, le fait davoir eu un emploi temps plein
avant lincarcration, le statut marital ou le fait davoir t
libr sous parole ninfluent pas significativement sur le risque
instantan ;
Quel que soit t, chaque incarcration passe supplmentaire fait
augmenter le risque de rcidive de 10%, cet. par.

Victor Fardel, Ewen Gallic

Le modle de Cox
33 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Test de nullit simultane des coefficients


Rapport de vraisemblance ;
Test de Wald ;
Score (ou logrank) ;
Loi asymptotique : 2p , avec p le nombre de paramtres du
modle.
Likelihood ratio test = 33.27
Wald test
= 32.11
Score ( logrank ) test = 33.53

Victor Fardel, Ewen Gallic

on 7 df ,
on 7 df ,
on 7 df ,

p =2.362 e -05
p =3.871 e -05
p =2.11 e -05

Le modle de Cox
34 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Fonction de survie
1.00

Probabilit de survie

0.95

0.90

0.85

0.80

0.75

Estimation
Intervalle de confiance ponctuel 95%

0.70
0

10

20

30

40

50

Semaines

Figure 2: Estimation de la fonction de survie.


plot ( survfit ( mod ) , ylim = c (.7 , 1) )
Victor Fardel, Ewen Gallic

Le modle de Cox
35 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Hypothse des risques proportionnels

Vrification de lhypothse des risques proportionnel partir de


tests :
I
I

numrique ;
graphique (ex : trac des rsidus de Shoenfeld normaliss).

tester sur un modle avec des variables dont le coefficient est


significativement non nul ;

Victor Fardel, Ewen Gallic

Le modle de Cox
36 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Test numrique
Pour chaque variable, on cherche sassurer que le coefficient associ est stable au cours du temps.
(

H0 : j (t) = j
H1 : j (t) 6= j .
Dtail.

Dans R :
> mod2 <- coxph ( Surv ( week , arrest ) ~ fin + age + prio , data
= prison )
> cox . zph ( mod2 )
rho
chisq
p
fin1
-0.00657 0.00507 0.9433
age
-0.20976 6.54147 0.0105
prio
-0.08004 0.77288 0.3793
GLOBAL
NA 7.13046 0.0679
Victor Fardel, Ewen Gallic

Le modle de Cox
37 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Test graphique - Rsidus de Schoenfeld

1.0

0.8

1.0

0.6

0.4

0.2

14

20

25

Temps

37

20

25

32

37

0.0

44 49

14

7.9

44 49

0.4
32

7.9

0.2

0.0

0.5

Beta(t) pour prio

Beta(t) pour age

Beta(t) pour fin

7.9

14

20

Temps

25

32

37

44 49

Temps

Figure 3: Rsidus normaliss de Shoenfeld.


plot ( cox . zph ( mod2 ) [1]) ; abline ( h =0 , col = " blue " )

Victor Fardel, Ewen Gallic

Le modle de Cox
38 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Test graphique - Rsidus de martingale

Rsidus de Martingale

0.0

0.5

0.0

1.0
20

1.0

0.5

0.5

1.0

0.5

Rsidus de Martingale

1.0

25

30

35

40

45

Age

10

15

Prio

Figure 4: Rsidus de martingale.


plot ( residus . martingale ~ prison [ , " age " ] , xlab = " Age " , ylab = "
Residus de Martingale " )
lines ( lowess ( prison [ , " age " ] , residus . martingale , iter =0) , lwd
=2 , col = " dodger blue " )
Victor Fardel, Ewen Gallic

Le modle de Cox
39 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Tests dhypothses

Test graphique - Rsidus de martingale


prop(fin)

prop(age)

prop(prio)
60

40

Coefficients cumuls

Coefficients cumuls

Coefficients cumuls

50

20

20

50

40

60
0

10

20

30

Temps

40

50

10

20

30

Temps

40

50

10

20

30

40

50

Temps

Figure 5: Rsidus de martingale (Modle Cox-Aalen).


op <- par ( mfrow = c (1 ,3) )
plot ( cox . aalen ( Surv ( week , arrest ) ~ prop ( fin ) + prop ( age ) +
prop ( prio ) , data = prison , n . sim =100) , score =1)
par ( op )
Victor Fardel, Ewen Gallic

Le modle de Cox
40 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Pour aller plus loin...

Interactions ;
Stratification ;
Covariables dpendantes du temps ;

Victor Fardel, Ewen Gallic

Le modle de Cox
41 / 42

Introduction

Rappels

Modle de cox risques proportionnels

Conclusion

Quelques rfrences
D. R. Cox.
Regression models and life-tables.
Journal of the Royal Statistical Society. Series B (Methodological), 34(2) :pp. 187220, 1972.
Jean-Francois Dupuy and James Ledoux.
Analyse de dures de vie. fiabilit.
Notes de cours, 2012.
John Fox.
Cox proportional-hazards regression for survival data the cox proportional-hazards model.
Most, 2008(June) :118, 2002.
Laurence Reboul.
Cours de dures de vie.
Notes de cours, 2011.
P.H. Rossi, R.A. Berk, and K.J. Lenihan.
Money, work, and crime : experimental evidence.
Quantitative studies in social relations. Academic Press, 1980.
Marie-Luce Taupin.
Dures de survie.
Notes de cours, 2011.

Victor Fardel, Ewen Gallic

Le modle de Cox
42 / 42

P(X t > x X > t)


P(X > t)
P(X > x + t)
=
P(X > t)
S(x + t)
=
S(x)

P(X t > x | X > t) =

Retour fonction de survie rsiduelle.

Lp () =

n
Y
i=1

exp(Z>
i )
Pn
>
Y
(T
)
i exp(Zj )
j=1 j

`p () := log Lp () =

n
X
i=1

)i

Z> log
i

n
X

Yj (Ti ) exp(Z>
i )

j=1

Le score partiel sobtient en drivant la log-vraisemblance partielle


par rapport :
n
n
>
`p () X
j=1 Yj (Ti )Zj exp(Zj )
Up () :=
=
i Zi Pn
>

j=1 Yj (Ti ) exp(Zj )


i=1

Retour vraisemblance partielle.

Statistique de test de lhypothse des risques


proportionnels (1/3)
Le modle de Cox scrit :
(t | Zi (t)) = 0 (t) exp(Z>
i (t)(t)).
On a considr depuis le dbut que t, (t) = (risques proportionnels vrifie). Pour chacune des j = 1, . . . , p covariables, on a
donc :
j (t) = j + j gj (t),
avec gj (t) une fonction connue.

Statistique de test de lhypothse des risques


proportionnels (2/3)
j (t) = j + j gj (t)
Pour vrifier lhypothse des risques proportionnels, on doit avoir
j, j = 0.
(

H0 : = 0
H1 : j 6= 0.

Statistique de test de lhypothse des risques


proportionnels (3/3)
La statistique de test est la suivante (sous H0 ) :
L

2
b 0)Id
b
22 b
Z = U2> (,
n (, 0)U2 (, 0) p ,
n+

b ) la drive de la log-vraismenblance partielle par


avec U2> (,
rapport ;
22 b
et Id
n (, 0) = E

2
L (, )
> p

Retour tests HRP.

Extension : stratification

Cration de k strates relatives k modalits dune variable


discrte ;
Risque de base (0 (t)) diffrent selon les strates ;
Le taux de panne pour un individu i de la strate k devient :
k (t) exp(Zi )
Risques instantans identiques pour toute les strates ;

1.00

Probabilit de survie

0.95

0.90

0.85

0.80

0.75

fin = 0
fin = 1
0

10

20

30

40

50

Semaines

Figure 6: Fonctions de survie selon laide financire.


modStr <- coxph ( Surv ( week , arrest ) ~ strata ( fin ) + age +
race + wexp + mar + paro + prio , data = prison )
plot ( survfit ( modStr ) , conf . int = FALSE , ylim = range ( survfit (
modStr ) $ surv ) )

Retour Pour aller plus loin.