Pacjent zostaje przyjęty do szpitala. Ich długość pobytu zależy od 2 rzeczy: ciężkości urazu i wysokości ubezpieczenia, jaką jest skłonny zapłacić, aby zatrzymać je w szpitalu. Niektórzy pacjenci odejdą przedwcześnie, jeśli ich ubezpieczenie zdecyduje się przestać płacić za pobyt.
Załóż, że:
1) Długość pobytu jest rozłożona poissonem (załóżmy, że może to być realistyczne założenie), z parametrem .
2) Różne plany ubezpieczenia obejmują pobyty na 7, 14 i 21 dni. Wielu pacjentów odejdzie po 7,14 lub 21 dniach pobytu (ponieważ kończy się ich ubezpieczenie i muszą wyjechać).
Gdybym miał uzyskać dane z tego procesu, mogłoby to wyglądać następująco:
Jak widać, w punkcie 7, 14 i 21 dnia występują skoki. Są to pacjenci, którzy wyjeżdżają po wygaśnięciu ubezpieczenia.
Oczywiście dane można modelować jako mieszaninę. Trudno mi zapisać prawdopodobieństwo tej dystrybucji. To jest jak poison z napompowaniem zerowym, ale inflacja wynosi 7, 14 i 21.
Jakie jest prawdopodobieństwo tych danych? Jaki jest proces myślowy leżący u podstaw prawdopodobieństwa?
źródło
Odpowiedzi:
W tym przypadku uważam, że istnieje ścieżka do rozwiązania, jeśli założymy nasz kapelusz analizy przeżycia. Zauważ, że nawet jeśli w tym modelu nie ma ocenzurowanych podmiotów (w tradycyjnym znaczeniu), nadal możemy korzystać z analizy przeżycia i mówić o zagrożeniach ze strony podmiotów.
Musimy modelować trzy rzeczy w tej kolejności: i) skumulowane zagrożenie, ii) zagrożenie, iii) prawdopodobieństwo dziennika.
i) Zrobimy część i) etapami. Jakie jest skumulowane zagrożenie zmiennej losowej Poissona? W przypadku dystrybucji dyskretnej istnieją dwa sposoby jej zdefiniowania¹, ale użyjemy definicji . Tak więc skumulowane zagrożenie dla wynosiH.( t ) H.( t ) = - logS.( t ) T.∼ P.o i ( λ )
gdzie jest odpowiednio górną, dolną regularyzowaną funkcją gamma.Q , P
Teraz chcemy dodać „zagrożenia” związane z brakującym ubezpieczeniem. Zaletą kumulatywnych zagrożeń jest to, że są one addytywne, dlatego musimy po prostu dodać „ryzyko” w czasach 7, 14, 21:
Heurystycznie pacjent jest narażony na podstawowe ryzyko „Poissona”, a następnie ryzyko punktowe w punktach 7, 14 i 21. (Ponieważ jest to ryzyko skumulowane , kumulujemy to ryzyko punktowe, stąd ). nie wiemy, co to są i , ale później połączymy je z prawdopodobieństwem braku ubezpieczenia.> a , b do
W rzeczywistości, ponieważ wiemy, że 21 jest górną granicą, a następnie wszyscy pacjenci są usuwani, możemy ustawić na nieskończoność.do
ii) Następnie wykorzystujemy skumulowane zagrożenie, aby uzyskać zagrożenie, . Wzór na to jest następujący:h ( t )
Podłączenie naszego skumulowanego zagrożenia i uproszczenie:
iii) Wreszcie, napisanie prawdopodobieństwa dziennika dla modeli przeżycia (bez cenzury) jest bardzo łatwe, gdy mamy zagrożenie i ryzyko skumulowane:
I oto jest!
Istnieją zależności, które łączą nasze punktowe współczynniki ryzyka i prawdopodobieństwa długości ubezpieczenia: .a = - log( 1 -pza) , b = - log( 1 -pza-pb) - log( 1 -pza) ,pdo= 1 - (pza+pb)
Dowód jest w budyniu. Zróbmy kilka symulacji i wnioskowania przy użyciu semantyki niestandardowego modelu linii życia .
¹ patrz sekcja 1.2 tutaj
źródło