• Aucun résultat trouvé

Correction TD 2

N/A
N/A
Protected

Academic year: 2022

Partager "Correction TD 2"

Copied!
4
0
0

Texte intégral

(1)

Correction TD 2

>o=cbind(x=pmin(t,c), d=(t<=c)) 1) On utilise la formule du KM

> x=o[,1]

> d=o[,2]

> s=order(x)

> os=cbind(x[s],d[s])

> xs=os[,1]

> ds=os[,2]

> i=1:100

> ksp=ds[i]/(100-i+1)

> km=cumprod(1-ksp)

> ff=cbind(fx=c(0,xs[-100]),fkm=c(1,km[-100]),fd=c(1,ds[-100]))

> f=ff[ff[,3]==1,1:2]

> plot(f[,1],f[,2],pch=".")

> i=1:(length(f[,1])-1)

> segments(f[i,1],f[i,2],f[i+1,1],f[i,2])

> curve(exp(-x^2/4),0,4,add=T,col="red")

> title("Estimateur de KM et fonction S")

(2)

0 1 2 3

0.00.20.40.60.81.0

f[, 1]

f[, 2]

Estimateur de KM et fonction S

library(survival)

km=survfit(Surv(x,d)~1) plot(km)

0 1 2 3 4

0.00.20.40.60.81.0

2)

> nels=cumsum(ksp)

> ff=cbind(fx=c(0,xs[-100]),fn=c(0,nels[-100]),fd=c(1,ds[-100]))

> f=ff[ff[,3]==1,1:2]

(3)

> plot(f[,1],f[,2],pch=".")

> i=1:(length(f[,1])-1)

> segments(f[i,1],f[i,2],f[i+1,1],f[i,2])

> curve(x^2/4,0,4,add=T,col="red")

> title("Estimateur de Nelson et fonction de hasard")

plot(km$time, -log(km$surv),type="s")

0 1 2 3

0.01.02.03.0

f[, 1]

f[, 2]

Estimateur de Nelson et fonction de hasard

1 2 3 4

0.00.51.01.52.02.5

km$time

-log(km$surv)

3) Les estimateurs convergent 4)

(4)

p=ksp*km

hhat=function(x,an){(1/an)*sum(ksp*dnorm((x-xs)/an))}

htilde1=function(x,an){(1/an)*sum(p*dnorm((x-xs)/an))}

htilde2=function(x,an){(1/(100*an))*sum(ds*dnorm((x-xs)/an))/min(f[f[,1]<=x,2])}

Comparaison des 3 estimateurs :

Choix de la fenêtre optimale pour chacun d’eux :

> ase=function(hest,a){hh=numeric(100); for(i in 1:100) hh[i]=hest(xs[i],a); as=mean((hh- xs/2)^2);print(as)}

>a=seq(0.1,4,by=0.1)

>aa=numeric(length(a))

>for(i in 1:length(a)){aa[i]=ase(hhat,a[i])}

>aaa=cbind(a,aa)

> aopt=aaa[aaa[,2]==min(aa),1]

> for(i in 1:100){hh[i]=hhat(xs[i],aopt)}

>plot(xs,hh,pch=”.”)

>curve(x/2,add=T)

>for(i in 1:length(a)){aa[i]=ase(htilde1,a[i])}

>aaa=cbind(a,aa)

> aopt=aaa[aaa[,2]==min(aa),1]

> for(i in 1:100){hh[i]=htilde1(xs[i],aopt)}

>points(xs,hh,pch=”.”,col=”red”)

>for(i in 1:length(a)){aa[i]=ase(htilde2,a[i])}

>aaa=cbind(a,aa)

> aopt=aaa[aaa[,2]==min(aa),1]

> for(i in 1:100){hh[i]=htilde2(xs[i],aopt)}

>points(xs,hh,pch=”.”,col=”blue”)

>title(“hhat noir, htilde1 rouge, htilde2 bleu”)

1 2 3 4

0.51.01.5

xs

hh

hhat noir, htilde1 rouge, htilde2 bleu

Références

Documents relatifs

 La durée moyenne du crédit client est de 58 jours ce qui est supérieur au secteur (45 jours), cela est défavorable pour l'entreprise qui tarde à encaisser ses créances1. 

Les droites ( F B ) et ( D B ) ont donc la même di- rection et sont alors parallèles ; comme elles ont un point commun, elles sont confondues donc les points D, F et B sont

[r]

(vérifier les réponses avec le tableau fourni plus

[r]

Un sac contient des jetons carrés ou ronds, de couleur verte, bleue ou noire.. Il y a 10 jetons verts dont 4 carrés ; 10 des 12 jetons bleus sont carrés ; 14 des 18 jetons noirs

Si l’algorithme se termine pour la valeur n−1 alors il se termine aussi pour la valeur n est excutant retourner.. – somme ne se termine pas lorsque n est

entière pour conserver l'indice de ligne (int i_max), deux double : l'un pour la somme des éléments d'une ligne donnée (double somme) et l'autre pour conserver la valeur maximale