Modèles de durée
Charlotte Dion-Blanc
ISUP - Sorbonne Université
Chapitre 1 Survie et censure
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU 1/42
1 Introduction
2 Fonctions clés
3 Censure
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU 2/42
Organisation du cours
• Survie et censure
• Estimation non-paramétrique : Kaplan-Meier
• Estimation semi-paramétrique : Cox
• Tables de mortalités : estimation et lissage
• Tables de mortalités : modèles paramétriques
• Tables prospectives.
Evaluation
Un examen de 2 h le 8 janvier.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU 3/42
Quelques références
Notes de cours de
- Philippe Saint-Pierre
- Frédéric Planchet
- Agathe Guilloux
- Dirk Moore Applied survival analysis using R (lien pdf libre)
Éléments de théorie
- Notes de cours de Jean-David Fermanian
- Articles de Richard D. Gill
Pratique : on peut s’entrainer par exemple sur le TP
[Link]
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU 4/42
1 Introduction
2 Fonctions clés
3 Censure
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Introduction 5/42
Variables de durées
• Dans ce cours, T sera une variable aléatoire représentant une durée
(de survie ou avant un évènement).
• On dira souvent que T est une durée de vie, car c’est l’exemple
principal.
• T sera donc une variable aléatoire positive ou nulle, absolument
continue (le plus souvent).
• On supposera (en général) qu’il n’y a pas de répétition dans la série
d’observations.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Introduction 6/42
Exemple 1 Contrat assurance temporaire décès à un an
→ Versement d’un capital en cas de décès dans l’année.
• L’assuré paie une prime P à t = 0.
• S’il décède dans l’année, l’assureur verse C à ses héritiers légaux.
Enjeu de tarification
T : temps qu’il reste à vivre à l’individu. L’assureur verse C si T ≤ 1 et
0 sinon.
Il faut P tel que
P = E[C 1T ≤1 ].
→ Il nous faut des informations sur la loi de T .
Enjeu de provisionnement
→ Mettre du capital de côté pour faire face aux engagements.
N
X
Sur N contrats, la perte de l’assureur est S = C 1Ti ≤1 − NP.
i=1
Réserve : r tel que P(S > r ) est petit.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Introduction 7/42
Exemple 2 étude médicale d’un traitement
- On a à notre disposition des données de deux groupes de patients.
- Un groupe sous traitement et groupe sans.
- On souhaite comparer la durée de rémission.
→ Autres exemples de durée en médecine : durée avant rechute, durée
de survie.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Introduction 8/42
Contexte
On distingue l’événement d’intérêt :
- Décès du patient après l’infarctus.
- Fin de la rémission.
- Clôture du sinistre en assurance automobile.
- Décès du client en assurance vie.
de la variable à expliquer : "durée avant l’apparition de l’événement"
- Temps écoulé avant le décès.
- Temps écoulé avant la fin de la rémission.
- Temps écoulé pendant le traitement du sinistre.
- Temps écoulé avant le décès.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Introduction 9/42
Pourquoi y-a-t’il une théorie pour l’étude des durées ?
- T ≥ 0.
- Les lois normales ne conviennent pas en général, il faut une nouvelle
référence.
- Grand différence avec les données classique : difficulté à collecter
des variables de durée !
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Introduction 10/42
Cinq fonctions essentielles
La loi du temps de survie T (v.a. positive, continue) décrite par 5
fonctions :
• la fonction de survie,
• la fonction de répartition F
• la densité f ,
• le risque instantané de décès λ ,
• le risque cumulé de décès Λ .
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 11/42
La fonction de répartition de T ∈ R
F : R → [0, 1],
F (t) = P(T ≤ t) = P (ω ∈ Ω, T (ω) ≤ t) , t ∈ R
→ probabilité de décéder avant t.
Proposition
• F est croissante, continue à droite,
• F (−∞) = 0,
• F (+∞) = 1.
Figure: Loi N (0, 1), loi E(1).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 12/42
La fonction de survie de T ∈ R
S : R → [0, 1],
S(t) = P(T > t)
→ probabilité de survivre au moins jusqu’à la date t.
Proposition
• S = 1 − F où F est la fonction de répartition de T
• S est décroissante
• S(−∞) = 1
• S(∞) = 0
Figure: Loi N (0, 1), loi E(1).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 13/42
La densité de T ∈ R
T est une variable à densité (ou absolument continue) s’il existe une
fonction f : R → [0, ∞[ mesurable, telle que
Z
F (x) = f (u)du, ∀x ∈ R.
u≤x
La fonction f (définie à un ensemble négligeable près) est une densité de
probabilité, elle vérifie:
Z
f ≥ 0, f (t)dt = 1.
R
1
P(t ≤ T < t + h).
f (t) = lim
h h→0
→ probabilité de guérir dans un petit intervalle de temps après l’instant t.
Proposition
• F continue, dérivable presque partout,
Z t
• F (t) = f (s)ds.
−∞
• f (t) = F ′ (t)
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 14/42
Risque instantané (hazard rate)
• La densité (en survie) n’est pas souvent le meilleur outil pour
comprendre la variable.
• Une durée correspond à un temps avant l’occurrence d’un
événement.
• Le taux de risque vise à exprimer le risque que cet événement se
produise dans un avenir immédiat, sachant qu’il ne s’est pas produit
auparavant.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 15/42
Risque instantané (hazard rate)
• La densité (en survie) n’est pas souvent le meilleur outil pour
comprendre la variable.
• Une durée correspond à un temps avant l’occurrence d’un
événement.
• Le taux de risque vise à exprimer le risque que cet événement se
produise dans un avenir immédiat, sachant qu’il ne s’est pas produit
auparavant.
• Dans le cas des durées de vie, pour individu d’âge x, on souhaite
définir une quantité qui nous indique si cet individu est fortement "à
risque" à l’heure actuelle, ou si le risque qu’il meure dans un avenir
proche est faible.
• Deux définitions un peu différentes du taux de risque :
1) si T est discrète,
2) si T est continue.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 15/42
Risque instantané d’une durée T - Cas continu
P(T = t) = 0 pour tout t.
Définition
P(t ≤ T < t + h|T ≥ t)
λ(t) = lim .
h→0 h
f (t) S ′ (t)
λ(t) = =− = −(log(S(t))′ ∈ R+ .
S(t) S(t)
Et λ détermine de façon unique la distribution de T .
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 16/42
Risque instantané d’une durée T - Cas discret
T est une variable discrète qui prend un nombre dénombrable de valeurs
T = {t1 , ..., tn , ...}.
Définition
λ(t) = P(T = t|T ≥ t)
P(T = tk ) pk
λ(tk ) = = ,
P(T ≥ tk ) S(tk−1 )
avec la convention 0/0 = 0.
Remarque: λ(t) = 0 si t ∈
/ T.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 17/42
Risque instantané d’une durée T - Cas discret
• Attention ici λ(·) ∈ [0, 1].
• La fonction de risque instantané détermine de façon unique la loi de
T.
• C’est une conséquence de la proposition suivante.
Proposition
Y
S(t) = (1 − λ(ti )) .
i:ti <t
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 18/42
Risque cumulé d’une durée T
• La fonction de distribution d’une variable aléatoire peut être
considérée comme la version intégrée de la densité de cette variable.
• La même idée permet de définir la fonction de hasard cumulatif, qui
est une autre façon de résumer l’information sur la distribution.
Définition
P
• Λ(t) = ti ≤t λ(ti ), cas discret
Rt
• Λ(t) = −∞
λ(u)du, cas continu, et pour une durée
Z t
Λ(t) = λ(s)ds = − log(S(t)).
0
Dans chaque cas, on peut retrouver λ à partir de Λ (en examinant les
sauts de Λ dans le cas discret, ou en prenant sa dérivée dans le cas
continu).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 19/42
Relations importantes
Cas continu
h Z t i
S(t) = exp(−Λ(t)) = exp − λ(s)ds
0
Z t
f (t) = λ(t) exp − λ(u)du .
0
Cas discret
Y
S(t) = (1 − {Λ(ti ) − Λ(ti−1 )}) ,
ti ≤t
et donc S(t) ̸= exp(−Λ(t)). La différence est faible lorsque le nombre de
valeurs ti tend vers l’infini.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 20/42
Fonction de survie conditionnelle
• Exemple: assurance vie.
• Le client est d’âge x.
• On s’intéresse à L(T |T > x) plutôt qu’à L(T ) (ici L est la loi de la
variable aléatoire).
Définition
S(t|x) = P(T > t|T > x).
Pour t ≥ x,
S(t)
S(t|x) = .
S(x)
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 21/42
Moments et quantiles
Durée moyenne de survie
Z ∞
E[T ] = S(t)dt
0
Z ∞
Var(T ) = 2 tS(t)dt − E[T ]2
0
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 22/42
Moments et quantiles
Durée moyenne de survie
Z ∞
E[T ] = S(t)dt
0
Z ∞
Var(T ) = 2 tS(t)dt − E[T ]2
0
La fonction quantile de la durée de survie est
q(p) = inf(t : F (t) ⩾ p), 0 < p < 1,
= inf(t : S(t) ⩽ 1 − p).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 22/42
Moments et quantiles
Durée moyenne de survie
Z ∞
E[T ] = S(t)dt
0
Z ∞
Var(T ) = 2 tS(t)dt − E[T ]2
0
La fonction quantile de la durée de survie est
q(p) = inf(t : F (t) ⩾ p), 0 < p < 1,
= inf(t : S(t) ⩽ 1 − p).
Lorsque F est strictement croissante et continue,
q(p) = F −1 (p), 0 < p < 1,
−1
=S (1 − p).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 22/42
Espérance de vie résiduelle pour une durée T
R∞
x
S(u)du
e(x) := E[T − x|T > x] =
S(x)
pui
de(x)
= −1 + λ(x)e(x)
dx
donc si λ(x) petit e(x) est globalement un fonction de pente −1: la
durée de vie résiduelle diminue de un an chaque année, et si le taux de
mortalité est grand alors il se peut qu’elle augmente.
Du cours de F. Planchet
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 23/42
Lien avec les notations en actuariat
Taux de mortalité à l’âge x
S(x + 1)
qx := P(x ≤ T < x + 1|T ≥ x) = 1 − .
S(x)
→ qx reflète une grandeur qui a une interprétation directe pour un
assureur.
→ Cette quantité est souvent celle qui est modélisée lorsqu’il s’agit de
concevoir des tables de mortalité.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Fonctions clés 24/42
1 Introduction
2 Fonctions clés
3 Censure
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 25/42
Problème de la censure
La durée de survie n’est pas toujours complètement observée, parce que,
pour certains individus, l’évènement de début et/ou de fin n’est pas
observé. On parle alors de données censurées.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 26/42
Problème de la censure
La durée de survie n’est pas toujours complètement observée, parce que,
pour certains individus, l’évènement de début et/ou de fin n’est pas
observé. On parle alors de données censurées.
Définition
La durée T est dite censurée si la durée n’est pas intégralement observée.
Exemples
• le patient peut être perdu de vue (déménagement par exemple)
• un évènement peut survenir et entraîner la sortie de l’étude : le
patient peut décéder d’une autre cause que de la maladie étudiée,
• l’étude s’arrête alors que l’individu est encore vivant,
• le traitement peut être arrêté si les effets secondaires sont désastreux
: cela entraîne la sortie du patient de l’étude
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 26/42
Les différents types de censure
• censure de type I: fixée
• censure de type II: attente
• censure de type III: aléatoire (à droite ou à gauche ou par
intervalle)
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 27/42
Censure de type I: fixée
• La durée n’est pas observable au delà d’une durée maximale, fixe. Au
lieu d’observer T1 , ..., Tn on observe
Yi = min(Ti , C ), i = 1, ..., n, C censure fixe
• La durée n’est pas observable avant une date fixe. Au lieu d’observer
T1 , · · · , Tn on observe
Yi = max(Ti , C ), i = 1, ..., n, C censure fixe
Exemple On suite tous les enfants d’une ville moyenne entre 10 à 16
mois , on s’intérêsse à l’âge d’acquisision de la marche (durée entre
naissance et les premiers pas)
- soit l’enfant sait déjà marcher avant 10 mois,censure fixe à gauche,
- soit il apprend à marcher entre 10 et 16 mois, pas de censure,
- soit il ne sait toujours pas marcher à 16 mois, censure fixe à droite.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 28/42
Censure de type II: attente
C’est le cas où la date de fin d’observation est la survenance du Rème
décès (la Rème sortie de l’étude).
Soit un échantillon de durées de survie (X1 , . . . , Xn ), on dit qu’il y a
censure de type II si au lieu d’observer directement (X1 , . . . , Xn ) on
observe (T1 , D1 ) , . . . , (Tn , Dn ) avec :
1 si Xi = Ti
Ti = Xi ∧ X(R) et Di =
0 si Xi ̸= Ti
avec X(R) la Rième statistique d’ordre de l’échantillon.
1 si Xi ≤ X(r )
Remarque : Di = , qui est une forme analogue au cas
0 si Xi > X(r )
de la censure fixe avec C = X(r ) .
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 29/42
Censure de type III: aléatoire à droite
Pour certains individus, on n’observe pas la date de l’évènement d’intérêt
final.
Définition (Censure aléatoire à droite)
La durée T est dite censurée aléatoirement à droite si au lieu d’observer
T1 , ..., Tn on observe
Yi = min(Ti , Ci ), et δi = 1Ti ≤Ci pour i = 1, ..., n
où Ci est une censure aléatoire.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 30/42
Censure de type III: aléatoire à droite
Pour certains individus, on n’observe pas la date de l’évènement d’intérêt
final.
Définition (Censure aléatoire à droite)
La durée T est dite censurée aléatoirement à droite si au lieu d’observer
T1 , ..., Tn on observe
Yi = min(Ti , Ci ), et δi = 1Ti ≤Ci pour i = 1, ..., n
où Ci est une censure aléatoire.
Dans ce cours on ne considèrera que la censure aléatoire à droite.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 30/42
Censure à droite - Remarques
• Les individus dont l’observation est incomplète (resp. complète) sont
dits censurés (resp. non censurés).
• L’information sur l’individu censuré est incomplète, mais c’est
quand même une information: on sait que l’individu a survécu au
moins jusqu’à un certain âge où il a cessé d’être observé.
• Pouvons-nous simplement jeter les observations censurées ?
• La réponse est Non!
- nous supprimerions certaines informations ;
- nous créerions un biais, car les grandes valeurs de T sont plus
susceptibles d’être censurées, de sorte que les petites valeurs
sont sur-représentées dans l’échantillon d’observations non
censurées;
- ce biais peut être très important : il y a parfois une grande
majorité d’observations censurées.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 31/42
Troncature
• La variable d’intérêt n’est pas observable lorsqu’elle est inférieure
(resp. supérieure) à un seuil donné c > 0 (resp. C > 0).
• Au lieu d’observer des variables i.i.d. (T1 , ..., Tn ) de même loi que T
on observe (T1 , ..., Tn ) i.i.d. de loi L(T |T > c).
• Parfois il n’est pas possible de connaitre la loi de T .
→ Très différent de la censure car ici on perd totalement l’information
sur les observations hors de la place < c (ou > C ).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 32/42
Troncature à gauche, exemples
Exemple 1
T le revenu d’un individu et les données viennent des impôts. Alors on
observe T seulement si T ≥ tmin , où tmin est fixé (puisque cela signifie
que les individus paient des impôts).
Exemple 2 migration informatique
Si les sinistres n’ont été repris dans la nouvelles base que s’ils étaient
encore ouverts au moment de la bascule, les sinistres de durée plus
courtes sont perdus.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 33/42
Modèle probabiliste. Censure à droite.
• (T1 , ..., Tn ) i.i.d. répétitions de même loi que T .
• (C1 , ..., Cn ) i.i.d. répétitions de même loi que C (la variable de
censure).
Observations
(Y1 , δ1 , ..., Yn , δn ), avec
• Yi = min(Ti , Ci ) = Ti ∧ Ci
• δi = 1Ti ≤Ci .
• Important: si δi n’est pas observé le problème est très différent.
• Ti et Ci sont indépendantes.
• Exemple des tables de mortalité :
- Ci age auquel i sort de l’étude pour une raison autre que la
mort.
- Yi age auquel i sort de l’étude (pour toute raison dont la mort).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 34/42
Condition d’identifiabilité
La loi de mes observations me permet-elle d’identifier la loi de T ?
→ Sans hypothèse supplémentaire non.
Hypothèse
T et C sont indépendantes.
En particulier
SY = ST × SC .
Théorème
(Sans troncature). Soit FC (t) = P(C ≤ t), et τ = inf{t : FY (t) = 1}. Si
T et C sont indépendantes, alors pour toute fonction ϕ telle que
E[|ϕ(T )|] < ∞, et ϕ(t) = 0 pour t ≥ τ,
E[δϕ(Y )] = E[(1 − FC (T −))ϕ(T )].
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 35/42
Remarques
• Si l’on souhaite supposer que T dépend de C , l’estimateur que nous
allons calculer ne fonctionne pas (il faut en chercher un autre).
• Malheureusement, il n’y a pas moyen de tester H0 : "T indépendant
de C ” contre H1 : "T non indépendant de C ”.
• Il faut s’appuyer sur des considérations pratiques pour s’assurer qu’il
est raisonnable de supposer que T est indépendant de C .
• L’hypothèse d’indépendance entre durée d’intérêt et perturbation est
pratique mais elle n’est pas toujours réaliste.
- si la censure est causée par la fin du processus d’enquête, c’est
naturel,
- mais si la censure est causée par la survenance d’un autre
évènement que celui étudié, comme dans le cas de surveillance
de patient (soumis simultanément à plusieurs risques) alors ça
l’est moins.
→ modèles à risques compétitifs.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 36/42
Modèle probabiliste avec troncature à gauche.
Soit un échantillon (τ1 , ..., τn ) de variables i.i.d., de même loi que τ.
Observations (censurées à droite et tronquées à gauche.)
(Y1 , δ1 , τ1 , ..., Yn , δn , τn ), avec
• Yi = min(Ti , Ci ),
• δi = 1Ti ≤Ci ,
• ∀i ∈ {1, ..., n}, τi ≤ Yi .
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 37/42
Modèle probabiliste avec troncature à gauche.
Soit un échantillon (τ1 , ..., τn ) de variables i.i.d., de même loi que τ.
Observations (censurées à droite et tronquées à gauche.)
(Y1 , δ1 , τ1 , ..., Yn , δn , τn ), avec
• Yi = min(Ti , Ci ),
• δi = 1Ti ≤Ci ,
• ∀i ∈ {1, ..., n}, τi ≤ Yi .
Tables de mortalité :
τi = age auquel i commence à être observé (parce qu’il achète un contrat
à l’âge τi , ou parce qu’il a déjà acheté un contrat mais que la période
d’observation commence lorsqu’il a l’âge τi ).
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 37/42
Rappel
Si F est une fonction de répartition de X ,
Z
E[ϕ(X )] = ϕ(t)dF (t)
• Si F est continue de densité f , dF (t) = f (t)dt
• Si F est discrète, dF (t) = masse que X attribue au point t
On estime E[ϕ(X )] par
n Z
1X
ϕ(Xi ) = ϕ(t)d Fbt
n
k=1
où
n
1X
Fb(t) = 1Xi ≤t
n
i=1
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 38/42
Fonctions clés avec censure à droite (sans troncature)
Z ∞
H1 (t) = P(Y > t, δ = 1) = − SC (u−)ST (du),
t
H0 (t) = P(Y > t, δ = 0),
H(t) = P(Y > t) = ST (t)SC (t)
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 39/42
Relations
Proposition
Z t Z t
ST (du) H1 (du)
ΛT (t) = − =− .
0 ST (u−) 0 H(u−)
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 40/42
Estimation empirique de ces fonctions
n
1X
Ĥ1 (t) = δi 1Yi >t ,
n
i=1
n
1X
Ĥ0 (t) = (1 − δi )1Yi >t ,
n
i=1
n
1X
Ĥ(t) = 1Yi >t = Ĥ0 (t) + Ĥ1 (t)
n
i=1
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 41/42
Quelle méthode pour estimer quoi ?
Méthodes paramétriques
On suppose que la loi des durées appartient à une famille {Pθ }θ∈Θ
donnée.
→ Méthode de vraisemblance.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 42/42
Quelle méthode pour estimer quoi ?
Méthodes paramétriques
On suppose que la loi des durées appartient à une famille {Pθ }θ∈Θ
donnée.
→ Méthode de vraisemblance.
Méthodes semi-paramétriques
→ Hypothèses sur la manière dont les covariables (quand il y en a)
influencent le déroulement du phénomène.
• modèles à hasards proportionnels λ(t|z) = λ0 (t) exp(z ′ β) modèle de
Cox,
• modèles à temps accéléré λ(t|z) = λ0 (t exp(−z ′ β)) exp(−z ′ β).
Hors de ce cours.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 42/42
Quelle méthode pour estimer quoi ?
Méthodes paramétriques
On suppose que la loi des durées appartient à une famille {Pθ }θ∈Θ
donnée.
→ Méthode de vraisemblance.
Méthodes semi-paramétriques
→ Hypothèses sur la manière dont les covariables (quand il y en a)
influencent le déroulement du phénomène.
• modèles à hasards proportionnels λ(t|z) = λ0 (t) exp(z ′ β) modèle de
Cox,
• modèles à temps accéléré λ(t|z) = λ0 (t exp(−z ′ β)) exp(−z ′ β).
Hors de ce cours.
Méthodes non-paramétriques
SbKM pour la survie Kaplan-Meier et Nelson Aalen Λ
b pour le hasard.
Charlotte Dion-Blanc - Modèles de durée M2 Actuariat ISUP - SU Censure 42/42