Функция выживаемости

Функция выживаемости (также функция дожития, от англ. survival function) — это функция, используемая в статистике, анализе выживаемости и теории надёжности, которая для любого заданного момента времени \( t \) определяет вероятность того, что объект (система, организм, элемент) просуществует дольше этого времени. Формально, функция выживаемости \( S(t) \) определяется как \( S(t) = P(T > t) \), где \( T \) — случайная величина времени до наступления события (отказа, смерти, поломки). Она является убывающей функцией, принимающей значения от 1 при \( t = 0 \) до 0 при \( t \to \infty \), и служит одним из основных инструментов для анализа продолжительности жизни или безотказной работы.

Определение и математическая формализация

Функция выживаемости является дополнением к функции распределения. Если \( F(t) = P(T \le t) \) — функция распределения случайной величины \( T \), то:

\[ S(t) = 1 - F(t) = P(T > t). \]

В случае непрерывного распределения времени \( T \) с плотностью вероятности \( f(t) \) функция выживаемости может быть выражена через интеграл:

\[ S(t) = \int_{t}^{\infty} f(u) \, du. \]

Ключевым свойством \( S(t) \) является её монотонное убывание: \( S(t_1) \ge S(t_2) \) для \( t_1 < t_2 \). При \( t = 0 \) \( S(0) = 1 \) (все объекты «живы» в начальный момент), а при \( t \to \infty \) \( S(t) \to 0 \) (рано или поздно событие наступает для всех).

Функция выживаемости тесно связана с другими функциями анализа выживаемости:

• Функция риска (интенсивность отказов) \( h(t) = \frac{f(t)}{S(t)} \) — мгновенная вероятность наступления события в момент \( t \) при условии, что до этого момента событие не наступило.
• Кумулятивная функция риска \( H(t) = -\ln S(t) \), откуда \( S(t) = e^{-H(t)} \).

Свойства

1. Неотрицательность и ограниченность: \( 0 \le S(t) \le 1 \) для всех \( t \ge 0 \).
2. Монотонность: \( S(t) \) — невозрастающая функция.
3. Непрерывность: для непрерывных распределений \( S(t) \) непрерывна и дифференцируема почти всюду.
4. Связь с медианой: если \( S(t) = 0.5 \), то \( t \) — медианное время выживания (время, к которому половина объектов испытала событие).
5. Инвариантность к преобразованиям: если \( T \) — время выживания, то \( S(t) \) однозначно определяет распределение \( T \).

Методы оценки

Непараметрическая оценка (Каллана — Мейера)

Наиболее распространённый метод оценки функции выживаемости по эмпирическим данным — оценка Каллана — Мейера (оценка произведения пределов). Для выборки с цензурированными наблюдениями (когда для некоторых объектов известно только, что они не испытали событие до определённого момента) оценка имеет вид:

\[ \hat{S}(t) = \prod_{t_i \le t} \left(1 - \frac{d_i}{n_i}\right), \]

где \( t_i \) — моменты наступления событий, \( d_i \) — число событий в момент \( t_i \), \( n_i \) — число объектов, «подверженных риску» непосредственно перед \( t_i \). Эта оценка является состоятельной и асимптотически нормальной.

Параметрические модели

Если распределение времени выживания предполагается известным, функцию выживаемости можно задать аналитически. Наиболее распространённые параметрические модели:

• Экспоненциальное распределение: \( S(t) = e^{-\lambda t} \), где \( \lambda > 0 \) — постоянная интенсивность отказов.
• Распределение Вейбулла: \( S(t) = e^{-(t/\lambda)^k} \), где \( \lambda > 0 \) — масштабный параметр, \( k > 0 \) — параметр формы.
• Логнормальное распределение: \( S(t) = 1 - \Phi\left(\frac{\ln t - \mu}{\sigma}\right) \), где \( \Phi \) — функция стандартного нормального распределения.
• Гамма-распределение: \( S(t) = 1 - \frac{\gamma(\alpha, t/\beta)}{\Gamma(\alpha)} \), где \( \gamma \) — неполная гамма-функция.

Полупараметрические модели (Кокса)

Модель пропорциональных рисков Кокса не задаёт \( S(t) \) напрямую, но позволяет оценить влияние ковариат на функцию риска, а через неё — и на функцию выживаемости. В этой модели \( h(t|X) = h_0(t) \exp(\beta^T X) \), где \( h_0(t) \) — базовая функция риска, не специфицируемая параметрически. Функция выживаемости тогда выражается как \( S(t|X) = [S_0(t)]^{\exp(\beta^T X)} \), где \( S_0(t) \) — базовая функция выживаемости.

Применение

Медицина и эпидемиология

Функция выживаемости — центральный инструмент анализа выживаемости в клинических исследованиях. Она используется для:

• Оценки эффективности лечения (сравнение кривых выживаемости в группах пациентов, получающих разные терапии).
• Определения прогностических факторов (например, влияние возраста, стадии заболевания на время до смерти или рецидива).
• Расчёта медианы выживаемости и вероятности дожития до определённого срока (например, пятилетняя выживаемость при онкологических заболеваниях).

В российской медицинской практике функция выживаемости применяется, например, в онкологии для оценки эффективности химиотерапии или в кардиологии для анализа времени до повторного инфаркта.

Техника и теория надёжности

В инженерных приложениях функция выживаемости называется функцией надёжности \( R(t) \) и определяет вероятность безотказной работы системы или элемента в течение времени \( t \). Она используется для:

• Прогнозирования ресурса изделий (например, двигателей, электронных компонентов).
• Планирования технического обслуживания и ремонта.
• Оценки рисков отказов в сложных системах (авиация, космонавтика, атомная энергетика).

В российской промышленности (например, в авиастроении — ПАО «Объединённая авиастроительная корпорация», в атомной энергетике — Госкорпорация «Росатом») функция надёжности является обязательным элементом сертификационных испытаний.

Демография и страхование

В демографии функция выживаемости описывает вероятность дожития человека до определённого возраста. На её основе строятся таблицы смертности, которые используются в актуарных расчётах (страхование жизни, пенсионное обеспечение). В России такие таблицы разрабатываются Федеральной службой государственной статистики (Росстат) и применяются Социальным фондом России.

Экономика и социология

Функция выживаемости применяется для анализа продолжительности безработицы, времени до банкротства предприятия, длительности брака или срока службы сотрудника в организации. В экономике она используется в моделях длительности (duration models) для оценки влияния экономических факторов на время до наступления события.

Сравнение с другими функциями

Ограничения и критика

1. Цензурирование: функция выживаемости чувствительна к типу цензурирования (правостороннее, левостороннее, интервальное). Неправильный учёт цензурированных наблюдений ведёт к смещению оценок.
2. Предположение о независимости: стандартные методы предполагают, что время цензурирования не зависит от времени выживания. Нарушение этого предположения (например, при досрочном выходе пациентов из исследования из-за ухудшения состояния) может исказить результаты.
3. Параметрические допущения: выбор неправильной параметрической модели (например, экспоненциальной, когда интенсивность отказов меняется во времени) приводит к систематическим ошибкам.
4. Малые выборки: при малом числе наблюдений оценка Каллана — Мейера может быть ступенчатой и нестабильной, особенно на «хвосте» распределения.

Интересные факты

• Понятие функции выживаемости ввёл в статистику британский биолог Рональд Эйлмер Фишер в 1920-х годах при анализе данных по селекции растений.
• В теории надёжности функция выживаемости часто аппроксимируется степенным законом (закон Парето) для описания «длинных хвостов» распределений отказов.
• В российской науке значительный вклад в развитие методов анализа выживаемости внёс академик А. Н. Колмогоров, разработавший основы теории случайных процессов с дискретным временем.

Источники

• Cox D. R., Oakes D. Analysis of Survival Data. — Chapman and Hall, 1984.
• Kalbfleisch J. D., Prentice R. L. The Statistical Analysis of Failure Time Data. — 2nd ed. — Wiley, 2002.
• Кокс Д. Р., Снелл Э. Дж. Анализ данных типа времени жизни. — М.: Финансы и статистика, 1988.
• Lawless J. F. Statistical Models and Methods for Lifetime Data. — 2nd ed. — Wiley, 2003.
• Гнеденко Б. В., Беляев Ю. К., Соловьёв А. Д. Математические методы в теории надёжности. — М.: Наука, 1965.