Odhad funkce přežití

Podobné dokumenty
4. B o d o v é o d h a d y p a r a m e t r ů

Odhady parametrů 1. Odhady parametrů

14. B o d o v é o d h a d y p a r a m e t r ů

Náhodný výběr 1. Náhodný výběr

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

Intervalové odhady parametrů

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Jednokriteriální rozhodování za rizika a nejistoty

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

PRAVDĚPODOBNOST A STATISTIKA

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

12. N á h o d n ý v ý b ě r

Intervalové odhady parametrů některých rozdělení.

3. Charakteristiky a parametry náhodných veličin

P2: Statistické zpracování dat

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Matematika I, část II

7. Odhady populačních průměrů a ostatních parametrů populace

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Závislost slovních znaků

3. Lineární diferenciální rovnice úvod do teorie

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

8. Analýza rozptylu.

8. Odhady parametrů rozdělení pravděpodobnosti

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

Pravděpodobnost a statistika - absolutní minumum

Experimentální identifikace regulovaných soustav

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

Číselné charakteristiky náhodných veličin

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

V. Normální rozdělení

Deskriptivní statistika 1

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

vají statistické metody v biomedicíně

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

8. cvičení 4ST201-řešení

Přednášky část 7 Statistické metody vyhodnocování dat

Statistika pro metrologii

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

E L E K T R I C K É S T R O J E II Měření synchronního stroje Fázování, V křivky, Potierova reaktance, stanovení buzení

Matematická analýza I

MATEMATICKÁ STATISTIKA 1, CVIČENÍ (NMSA331) Poslední úprava dokumentu: 17. listopadu 2016

Náhodné jevy a pravděpodobnost

Pravděpodobnost a aplikovaná statistika

Dynamická pevnost a životnost Statistika

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Bc. Barbora Šimková. Odhady parametrů rozdělení náhodných veličin

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

8.2.1 Aritmetická posloupnost

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b)

Přijímací zkouška na navazující magisterské studium 2015

ŘADY Jiří Bouchala a Petr Vodstrčil

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

Úloha III.S... limitní

PRAVDĚPODOBNOST A STATISTIKA

Pravděpodobnost a aplikovaná statistika

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy

1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d.

ASYMPTOTICKÉ TESTY HYPOTÉZ V MODELECH S RUŠIVÝMI PARAMETRY

Měřící technika - MT úvod

2. Náhodná veličina. je konečná nebo spočetná množina;

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Přednáška 7, 14. listopadu 2014

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti

MATICOVÉ HRY MATICOVÝCH HER

z možností, jak tuto veličinu charakterizovat, je určit součet

17. Statistické hypotézy parametrické testy

Masarykova univerzita Přírodovědecká fakulta

Mocninné řady - sbírka příkladů

8.2.1 Aritmetická posloupnost I

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

O Jensenově nerovnosti

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

2 Diferenciální rovnice

Teorie odhadů 2 Teorie odhadů... 3 Odhad parametrů... 4

Seriál XXX.II Zpracování dat fyzikálních měření

STOČ Studentská tvůrčí a odborná činnost 25. dubna 2013, FAI UTB ve Zlíně. Klíčová slova: Terahertz, olejomalba, index lomu

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6

n-rozměrné normální rozdělení pravděpodobnosti

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 17. ledna 2019

DVOUVÝBĚROVÉ PODMÍNĚNÉ POŘADOVÉ TESTY VANALÝZEPŘEŽITÍ

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

Transkript:

Acta Oecoomica Pragesia, roč 5, č, 2007 Oha fukce přežití Jaa Kahouová * Přemětem zámu meto aalýzy přežití e sleováí určitého evu a aých obektech Tomuto evu bueme říkat selháí, i kyž se emusí ve všech přípaech eat o egativí uálost Metoy aalýzy přežití se zabývaí aty hootami áhoé veličiy X, která přestavue obu o výskytu určitého evu obu o počátku výzkumu o selháí Tyto metoy se zpočátku využívaly zeméa v meicíě a pro áhoou veličiu X se vžil termí oba života ebo oba přežití Využití těchto meto e však aleko širší, apř ve stroíreství můžeme sleovat obu o poruchy ěakého zařízeí Otu také pochází alterativí ázev teorie spolehlivosti V tomto tetu bueme ezáporou áhoou veličiu X azývat oba o poruchy Přepokláeme, že začeme pozorovat obektů steého typu, přičemž eperimet e orgaizová tak, že pozorováí zače u všech obektů ve steém okamžiku t = 0 a pozorováí bueme prováět tak louho, oku všechy obekty ebuou mít poruchu Takto získáme úplý áhoý výběr, který tvoří ezávislé áhoé veličiy X, =, 2,, přestavuící skutečé oby o poruchy u eotlivých obektů V moha přípaech se eá o louhý časový horizot a z techických či ekoomických ůvoů emůžeme provést eperimet až o koce Musíme tey vhoě rozhoout o ukočeí pozorováí V tomto přípaě ostaeme eúplý cezorovaý áhoý výběr, ky máme úplou iformaci e u r < pozorováí Pole toho aká pravila si staovíme pro ukočeí pozorováí, pracueme s růzými moely cezorováí Cezorováí typu I Při cezorováí typu I e pozorováí ukočeo v přeem určeém okamžiku T > 0 Číslo T e tzv časový cezor Jeá se zřemě o cezorováí časem Tímto postupem získáme prvích r pozorováí pořákových statistik X() X(2) K X( r) T, X( r) T X ( r + ) O zbývaících r obektech víme pouze to, že u ich e skutečá oba o poruchy větší ež T, tz X (), = r +, r + 2,, sou cezorovaá pozorováí * Doc Ig Jaa Kahouová, CSc; Katera statistiky a pravěpoobosti, Fakulta iformatiky a statistiky, VŠE v Praze, kahou@vsecz 36

Jaa Kahouová Oha fukce přežití Cezorováí typu II Tak ako v přeešlém přípaě všech obektů vstupue o pozorováí současě Cezorováí typu II e cezorováí poruchou Je přeepsá počet poruch r, r Doba trváí eperimetu e oba o poruchy r-tého obektu X (r) Opět ze máme úplou iformaci u prvích r pozorováí X X K X, () (2) ( r ) o ostatích víme, že sou větší ež X (r) Náhoé cezorováí V tomto přípaě sleueme obu o poruchy X a časový cezor T Ozačíme ako áhoou veličiu W = mi(x, T ), =, 2,, U tohoto typu cezorováí epřepoklááme, že všech obektů vstupue o eperimetu současě Náhoá veličia T, =, 2,, pak přestavue obu o cezorováí u -tého obektu Přepoklááme, že áhoé veličiy X a T sou ezávislé Dále zaveeme veličiu C, tzv cezorovací ie, který ám poskytue iformaci o tom, za se eá o skutečou obu o poruchy ebo obu o cezorováí V přípaě, že pozorováí e v čase T ecezorovaé, bue C = a W = X U cezorovaých pozorováí bue C = 0 a W = T Výslekem eperimetu bue yí vourozměrý áhoý výběr s prvky (W, T ), =, 2,, Fukce přežití a alší formy popisu rozěleí oby o poruchy Uvažume ezáporou áhoou veličiu X spoitého typu přestavuící obu o poruchy s istribučí fukcí F( ) = P( X ) () a s hustotou pravěpoobosti f(), přičemž ve všech boech, ke eistue erivace istribučí fukce e f ( ) = F( ) (2) Fukce F() uává pravěpoobost, že v itervalu (0, oe k poruše Fukce přežití, resp fukce spolehlivosti S() vyařue pravěpoobost, že v itervalu (0, k poruše eoe S ( ) PX ( ) F ( ) ft ( ) t = > = = (3) Tyto i alší fukce bueme uvažovat e a itervalech (0, ), protože eich hooty a itervalu (, 0) sou vzhleem k ezáporosti áhoé veličiy X zřemé Např pro < 0 e F() = 0, S() = 37

Acta Oecoomica Pragesia, roč 5, č, 2007 Uveeé fukce sou vě ekvivaletí vyářeí rozěleí ezáporé spoité áhoé veličiy Je možo použít i alší fukce ako apř fukci rizikovou Riziková fukce r() e efiováa vztahem r ( ) = lim P ( X< + X ), > 0, > 0 (4) 0 Z efiice pomíěé pravěpoobosti ostaeme f( ) r ( ) =, S ( ) > 0 (5) S ( ) Protože f ( ) = [ ( )] [ ( )], S = S bue r ( ) ( ) ( ) l ( ) S = S = S (6) Výraz r() uává přibližě pravěpoobost poruchy ve velmi krátkém časovém itervalu (, + ) pomíěou bezporuchovým provozem po obu Fukci r() můžeme iterpretovat ako riziko poruchy za eotku času (ebo také ako itezitu poruch) během procesu stárutí Oha fukce přežití Je-li zámo, že pravěpoobostí rozěleí oby o poruchy e popsáo fukcí F(, Θ) ke Θ = [ Θ, Θ2, K, ΘP ] e vektor ezámých parametrů, a ichž toto rozěleí závisí, pak oha fukce přežití staovíme obvykle a záklaě ohau parametru Θ Přepokláeme, že ako moel rozěleí oby o poruchy použieme eoparametrické epoeciálí rozěleí s hustotou pravěpoobosti -λ f( ; λ) = λe, > 0, λ > 0, (7) = 0 iak Fukce přežití v boě, t pravěpoobost, že zařízeí bue pracovat bez poruchy po obu alespoň rovou λ S ( ) = e (8) K ohau parametrické fukce S() e možo také použít Raovu-Blackwellovu větu (viz apř []) Vyeme z eouchého estraého ohau 38

Jaa Kahouová Oha fukce přežití U = pro X, = 0 pro X < a staovíme úplou postačuící statistiku pro λ V = X =, která má rozěleí Gama s parametry a λ Nelepším estraým ohaem fukce S() e pak statistika ϕ(v), pro kterou platí ϕ( V) = E( U v) = P X X = v, t = ϕ( V) = pro X, X = = = 0 pro X < = U výběrů většího rozsahu lze použít maimálě věrohoé ohay Pro maimálě věrohoý oha parametrické fukce γ ( Θ) = γ ( Θ, Θ2, K ΘP ) platí ˆ( γ Θ, Θ, KΘ ) = γ( Θˆ, Θˆ, K Θˆ ) (9) 2 P 2 P Z rozěleí f(; Θ) pořííme úplý áhoý výběr X = [ K ] Věrohoostí fukce při aém = [ ] =, 2, K, má tvar X, X,, X 2 L( ; Θ) = f( ; Θ ) (0) Maimálě věrohoý oha Θ ˆ = Θˆ ˆ ˆ, Θ2,, Θ K P ostaeme řešeím soustavy věrohoostích rovic l L( ; Θ) = 0, k =, 2, K P () Θ k Nyí bueme uvažovat eúplý áhoý výběr, který tvoří áhoě cezorovaá pozorováí Přepoklááme, že X a T sou ezávislé spoité áhoé veličiy Rozěleí áhoé veličiy X závisí a vektorovém parametru Θ a e popsáo istribučí fukcí F, resp hustotou pravěpoobosti f a rozěleí áhoé veličiy T závisí a vektorovém parametru Θ 2 a e popsáo istribučí fukcí G, resp hustotou pravěpoobosti g Je možo okázat, že rozěleí áhoého vektoru (W, C) má hustotu pravěpoobosti 39

Acta Oecoomica Pragesia, roč 5, č, 2007 c { [ ]} { [ ]} hwc (, ) = f( w) Gw ( ) gw ( ) Fw ( ), w> 0, c= 0, (2) Pak věrohoostí fukce při aém výsleku eperimetu bue c { } { } c c 2 = 2 = 2 = = = L( wcθθ,,, ) L( ΘΘ, ) hw (, c; ΘΘ, ) f( w) Gw ( ) g( w) F( w) Ozačíme možiu ieů ecezorovaých pozorováí ako R a možiu cezorovaých pozorováí ako Z Jak bylo iž výše řečeo, estliže R, pak c = a estliže Z, pak c = 0 Po alších úpravách věrohoostí fukce bue L( Θ, Θ 2) = f( w ) F( w) g( w) G( w) R Z Z R Ozačíme L( Θ) = f( w) F( w), R Z L2( Θ2) = g( w) G( w) Z R Jestliže rozěleí uvažovaých veliči ezávisí a společých parametrech a mezi Θ a Θ 2 eeistue fukčí závislost, ostaeme maimálě věrohoé ohay řešeím soustavy rovic l L( Θ) = 0, k =, 2, K P (4) Θ k Celý postup ilustrueme opět a eouchém příklaě eoparametrického epoeciálího rozěleí s hustotou pravěpoobosti (7) V přípaě úplého áhoého výběru bue věrohoostí fukce (0) L( ; λ) = λ ep λ = a řešeím věrohoostí rovice () = 0 ˆ e λ = ˆ λ = =, > 0 = Pole vztahu (8) bue maimálě věrohoý oha fukce přežití S ˆ( ) = ep (3) 40

Jaa Kahouová Oha fukce přežití Při áhoě cezorovaém výběru využieme (3) a ( ) e λw e λw L λ λ = R Z Ozačíme počet prvků možiy R ako R, takže ( ) R e λw e λw L λ λ = R Pak rovice (4) R w = 0 ˆ λ = ává výsleek ˆ λ = R w = Z a oha fukce přežití ˆ R S( ) = ep w = Uvažume yí áhoý výběr X, X 2,, X z rozěleí, ehož tvar ezáme Na záklaě realizace tohoto áhoého výběru chceme ohaout istribučí fukci F() Dobrým ohaem e empirická istribučí fukce, kterou bueme začit Fˆ ( ) Empirickou istribučí fukci efiueme ako fukci, která kažému přiřazue relativí četost pozorováí meších ebo rových Ozačíme-li M počet veliči X, které splňuí erovosti X, pak ˆ M ( ) F = (5) Zřemě platí, že Fˆ ( ) = 0, < X() =, X( ) < X( + ), =, K,, (6) =, X ( ) Empirická istribučí fukce e schoovitá fukce, e rova 0 pro všecha < X (), e rova / pro všecha X () < X (2), at To zameá, že e kostatí v itervalech ˆ má iskotiuitu X (), X (+) ) se skokem / v kažém boě X (), v ěmž fukce ( ) F 4

Acta Oecoomica Pragesia, roč 5, č, 2007 Veličia M ˆ = F ( ) má biomické rozěleí s parametry a π = F() Pro střeí hootu, resp rozptyl áhoé veličiy, řekěme X, použieme obvyklé symboly E(X), resp D(X) Pak zřemě platí EM ( ˆ ) = E F( ) = F ( ), DM ( ) ˆ = D F( ) = F ( )[ F ( )], takže E Fˆ ( ) = F ( ), (7) ˆ F( ) [ F( ) ( ) ] D F = (8) Fukce F ˆ ( ) e tey estraým ohaem istribučí fukce F() a protože F( ) [ F( ) ] lim = 0, (9) e fukce F ˆ ( ) také ohaem kozistetím Z Moivreovy-Laplaceovy věty plye, že pro má áhoá veličia Fˆ ( ) F ( ) F( ) F( ) [ ] asymptotické ormálí rozěleí N(0;) Obobě můžeme postupovat i pro áhoě cezorovaá ata Nechť oby o poruchy X, X 2,, X tvoří áhoý výběr ze spoitého rozěleí s istribučí fukcí F a oby o cezorováí T, T 2,, T přestavuí áhoý výběr ze spoitého rozěleí s istribučí fukcí G Náhoé veličiy X, T sou ezávislé V přípaě áhoého cezorováí pozorueme hooty veliči W = mi(x, T ) a hooty cezorovaého ieu C, =, 2,, Z těchto hoot pak proveeme oha istribučí fukce F, resp fukce přežití S áhoých veliči X, X 2,, X Jeá se o určitou moifikaci empirické istribučí fukce F ˆ ( ), resp empirické fukce přežití S ˆ ( ) ˆ = F( ) Nechť W (), W (2),, W () e uspořáaý áhoý výběr ob o poruchy ebo cezorováí Vzhleem k tomu, že F, G sou fukce spoité, astae s pravěpoobostí ea W () < W (2) < < W () Ozačíme ako C (i) =, W (i) e ecezorováo, = 0, W (i) e cezorováo (20) 42

Jaa Kahouová Oha fukce přežití Pak oha fukce přežití má tvar C() ˆ( ) i S=, W( ), i: W( i ) Yi = 0, > W, ke Y i e počet obektů, které pozorueme těsě pře uálostí v čase W (i), tey Y = i+, i=, 2, K, i ( ) Vztah (2) e tzv Kaplaův-Meierův oha fukce přežití V literatuře se můžeme setkat s růzými alterativími tvary tohoto ohau V přípaě, že při eperimetu eastae žáé cezorováí, t C() = C(2) = K = C( ) =, pak osazeím o (2) ostáváme Sˆ( ) = i: W ( i ) i+ (22) a Kaplaův-Meierův oha se zeouší a empirickou fukci přežití S ˆ ( ) (2) Závěr Aalýza přežití přestavue skupiu meto, které půvoě sloužily pro aalyzováí at získaých při laboratorích výzkumech živočichů ebo při kliických stuiích lií Využití e však aleko širší Kromě stroíreství, ke se používá alterativí ázev aalýza spolehlivosti, ochází ke začému rozšířeí těchto meto i o takových oborů ako e sociologie, marketig, poišťovictví apo Jeou z forem popisu pravěpoobostího rozěleí áhoé veličiy oby o výskytu určité uálosti e fukce přežití Obsahem čláku sou možosti ohau této fukce v přípaě úplého i eúplého áhoého výběru Jsou ze uveey možosti ohau za přepoklau určitého pravěpoobostího moelu rozěleí sleovaé áhoé veličiy i ea z možostí eparametrického ohau fukce přežití Některé postupy sou ilustrováy a eouchém přípaě, ky přepoklááme epoeciálí moel pravěpoobostího rozěleí uvažovaé áhoé veličiy Literatura [] ANDĚL, J, 978: Matematická statistika Praha, SNTL/Alfa, 978 [2] FLEMING, T R HARRINGTON, D P, 99: Coutig Processes a Survival Aalysis New York, Joh Wiley a Sos, 99 [3] HURT, J, 984: Teorie spolehlivosti Praha, SPN, 984 [4] LEE, E T, 992: Statistical Methos for Survival Data Aalysis New York, Joh Wiley, 992 43

Acta Oecoomica Pragesia, roč 5, č, 2007 [5] LIKEŠ, J MACHEK, J, 98: Počet pravěpoobosti Praha, SNTL, 98 [6] LIKEŠ, J MACHEK, J, 983: Matematické statistika Praha, SNTL, 983 [7] MILLER, Jr, R G, 98: Survival Aalysis New York, Joh Wiley, 98 Oha fukce přežití Jaa Kahouová Abstrakt Aplikace aalýzy at o přežití (survival ata) zazameala velký rozvo a metoy aalýzy přežití se rozšířily z oblasti biomeicíy a techiky o řay alších oborů Problému ohau pravěpoobostího rozěleí oby o výskytu určitého evu v přípaě, ky sou k ispozici cezorovaá ata, e věováa začá pozorost V tomto čláku se zabýváme možostmi ohau fukce přežití za růzých situací Jestliže esme ochoti čiit parametrické přepoklay o přesé formě pravěpoobostího rozěleí oby o selháí a oby o cezorováí, ale sme ochoti přepokláat eich ezávislost, pak e vhoé využít Kaplaův-Meierův oha, který, kromě iých vhoých vlastostí, e kozistetí Klíčová slova: aalýza přežití; fukce přežití; cezorovaá pozorováí Estimatio of Survival Fuctio Abstract I the past ecae applicatios of the statistical methos for survival ata aalysis have bee etee beyo biomeical a reliability research to other fiels The term survival ata has bee use i a broa sese for ata ivolvig time to a certai evet such a failure, respose, eath a so o Survival times are subecte raom variatios a like ay raom variable, they form a istributio The ability to estimate a survival istributio i the presece of cesorig is importat a has bee stuie etesively This paper is cocere with estimators of survival fuctio If oe is ot willig to make parametric assumptios about the eact form of the uerlyig survival a cesorig istributios but is willig to assume iepeece betwee survival a cesorig variables, Kapla a Meier provie a estimator which is cosistet, amog other esirable properties Key wors: survival aalysis; survival fuctio; cesore observatios 44