(โปรดทราบว่าในส่วนที่คุณยกมาคำสั่งนั้นมีเงื่อนไขประโยคนั้นไม่ได้อธิบายถึงการเอาชีวิตรอดแบบเอกซ์โปเนนเชียลมันอธิบายถึงผลของการทำเช่นนั้นอย่างไรก็ตามการสันนิษฐานของการเอาชีวิตรอดแบบเอ็กซ์โพเนนเชียลเป็นเรื่องธรรมดา เลขชี้กำลัง "และ" ทำไมไม่ปกติ "- ตั้งแต่แรกได้รับการคุ้มครองค่อนข้างดีแล้วฉันจะมุ่งเน้นไปที่สิ่งที่สอง)
โดยปกติเวลาการเอาชีวิตรอดแบบกระจายไม่สมเหตุสมผลเพราะมีความเป็นไปได้ที่ไม่ใช่ศูนย์ของเวลาการเอาชีวิตรอดในแง่ลบ
หากคุณ จำกัด การพิจารณาของคุณไว้ที่การแจกแจงแบบปกติที่แทบจะไม่มีโอกาสอยู่ใกล้ศูนย์คุณไม่สามารถสร้างแบบจำลองข้อมูลการรอดชีวิตที่มีความน่าจะเป็นที่สมเหตุสมผลในระยะเวลาการอยู่รอดสั้น:
บางทีครั้งหนึ่งในการเอาชีวิตรอดที่แทบจะไม่มีโอกาสรอดชีวิตในช่วงเวลาสั้น ๆ จะสมเหตุสมผล แต่คุณต้องการการแจกแจงที่มีเหตุผลในทางปฏิบัติ - โดยปกติแล้วคุณจะสังเกตเวลาการเอาชีวิตรอดระยะสั้นและระยะยาว การกระจายของเวลาการอยู่รอด) การแจกแจงแบบปกติที่ไม่ได้แก้ไขจะไม่ค่อยมีประโยชน์ในทางปฏิบัติ
[ ปกติที่ถูกตัดทอนอาจเป็นการประมาณคร่าวๆที่สมเหตุสมผลมากกว่าปกติ แต่การแจกแจงแบบอื่นมักจะทำได้ดีกว่า]
ความเสี่ยงคงที่ของเลขชี้กำลังบางครั้งเป็นการประมาณที่สมเหตุสมผลสำหรับเวลาเอาชีวิตรอดตัวอย่างเช่นหาก "เหตุการณ์สุ่ม" เช่นอุบัติเหตุเป็นสาเหตุสำคัญที่ทำให้อัตราการเสียชีวิตการอยู่รอดของเอ็กซ์โปเนนเชียลค่อนข้างดี (ในบรรดาประชากรสัตว์บางครั้งทั้งการปล้นสะดมและโรคสามารถกระทำได้อย่างน้อยก็เหมือนกับกระบวนการเสี่ยงโดยทิ้งบางสิ่งเช่นเลขชี้กำลังแทนการประมาณครั้งแรกที่สมเหตุสมผลกับเวลาการอยู่รอด)
คำถามเพิ่มเติมที่เกี่ยวข้องกับการตัดทอนปกติ: หากปกติไม่เหมาะสมทำไมไม่ยกกำลังสองปกติ (ไคสแควร์กับ df 1)
แน่นอนว่าอาจจะดีขึ้นเล็กน้อย ... แต่โปรดทราบว่าสิ่งนี้จะสอดคล้องกับอันตรายที่ไม่มีที่สิ้นสุดที่ 0 ดังนั้นบางครั้งมันก็จะมีประโยชน์ ในขณะที่มันสามารถสร้างแบบจำลองกรณีที่มีสัดส่วนที่สูงมากของเวลาที่สั้นมาก แต่ก็มีปัญหาการสนทนาเท่านั้นที่จะสามารถสร้างแบบจำลองกรณีที่มีการรอดชีวิตเฉลี่ยสั้นกว่ามาก (25% ของเวลาการอยู่รอดต่ำกว่า 10.15% ของเวลาเฉลี่ย ครึ่งหนึ่งของเวลาการเอาชีวิตรอดมีค่าน้อยกว่า 45.5% ของค่าเฉลี่ยนั่นคือค่าเอาชีวิตรอดเฉลี่ยน้อยกว่าค่าเฉลี่ยครึ่งหนึ่ง)
ลองดูมาตราส่วน (เช่นแกมม่าที่มีพารามิเตอร์รูปร่าง ): 1χ2112
[บางทีถ้าคุณหาผลรวมสองตัวจากแปรผัน ... หรือบางทีถ้าคุณคิดว่าไม่ใช่ศูนย์กลางคุณจะได้รับความเป็นไปได้ที่เหมาะสม นอกเหนือจากเลขชี้กำลังตัวเลือกทั่วไปของการแจกแจงแบบพาราเมตริกเพื่อการเอาชีวิตรอด ได้แก่ Weibull, lognormal, แกมม่า, log-logistic ท่ามกลางคนอื่น ๆ ... โปรดทราบว่า Weibull และแกมมารวมถึง exponential เป็นกรณีพิเศษ] χ 2χ21χ2