Kaplan-Meierova analýza

V tomto cvičení si procvičíš Kaplan-Meierovu analýzu – nejprve bez kovariátu a pak s kategorickým kovariátem.

Balíček survival je do tvého prostředí už načtený. Objekt přežití survObj i data dataNextOrder jsou stále k dispozici. Data teď navíc obsahují kovariát voucher, který budeš v tomto cvičení potřebovat. Tato kategorická proměnná říká, zda zákazník použil při první objednávce slevový voucher. Nabývá hodnoty 0 nebo 1.

Toto cvičení je součástí kurzu

Machine Learning for Marketing Analytics in R

Zobrazit kurz

Pokyny k cvičení

Pomocí survfit() proveď Kaplan-Meierovu analýzu (bez kovariátů). Výsledek ulož do objektu fitKMSimple. Nezapomeň, že závislá proměnná (nalevo od tildy ~) je opět tvůj objekt přežití survObj. Pak fitKMSimple vypiš.
Vykresli výsledný objekt fitKMSimple a přidej popisky os (argumenty xlab a ylab).
Teď jdi o krok dál: proveď Kaplan-Meierovu analýzu s survObj jako závislou proměnnou a proměnnou voucher jako kovariátem. Nezapomeň zadat argument data.
Opět vykresli výsledek nového modelu a přidej popisky os.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Compute and print fit
fitKMSimple <- ___(___ ~ ___)
___(fitKMSimple)

# Plot fit
plot(___,
     conf.int = FALSE, ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")

# Compute fit with categorical covariate
fitKMCov <- survfit(___ ~ ___, data = ___)

# Plot fit with covariate and add labels
plot(___, lty = 2:3,
     ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")
legend(90, .9, c("No", "Yes"), lty = 2:3)

Upravit a spustit kód