Paipa REBP

Análisis de Sobrevivencia
utilizando el lenguaje R1
Rafael Eduardo Borges Peña2
Simposio de Estadı́stica 2005

Paipa, Boyacá, Colombia, 1 al 5 de Agosto, 2005
1 Trabajo financiado a través del Consejo de Desarrollo Cientı́fico,

Humanı́stico y Tecnológico de la Universidad de Los Andes (CDCHT-
ULA) (Proyecto Código E-199-02-09-C)
2 Profesor Asistente, Escuela de Estadı́stica, Facultad de Cien-
cias Económicas y Sociales, Universidad de Los Andes, Mérida 5101,

Venezuela. e-mail: borgesr@ula.ve
ii Análisis de Sobrevivencia utilizando el Lenguaje R
Prefacio
Este material ha sido elaborado para el cursillo titulado ”Análisis

de sobrevivencia utilizando el lenguaje R” que ha sido progra-
mado en el XV SIMPOSIO DE ESTADÍSTICA de la Universidad
Nacional de Colombia.
El cursillo está diseñado para ser tomado por personas que no tienen
conocimientos acerca del tópico estadı́stico conocido como análisis
de sobrevivencia ni del lenguaje de procesamiento estadı́stico R, y
ha sido estructurado de tal manera de dar una introducción tanto
al análisis de supervivencia, como del lenguaje R, y exponer las
principales herramientas para llevar un análisis de supervivencia
mediante el uso del lenguaje R.
El presente material ha sido dividido en capı́tulos claramente difer-

enciadas uno del otro.
En el primer capı́tulo se presenta una breve introducción al Lenguaje

R.
En el segundo capı́tulo se presentan los recursos disponibles en el

Lenguaje R para llevar a cabo un análisis de sobrevivencia, haciendo
énfasis en las principales funciones contenidas en la librerı́a survival.
El tercer capı́tulo presenta una visión introductoria del análisis de
iii
iv Análisis de Sobrevivencia utilizando el Lenguaje R
supervivencia en el cual se presenta mecanismos de censura y trun-

camiento, algunas definiciones básicas.
En el cuarto capı́tulo, se presentan métodos de estimación de la

función de sobrevivencia a través del estimador de Kaplan y Meier
y el estimador de Fleming y Harrington, comparación de dos fun-
ciones de sobrevivencia, sobrevida media, sobrevida mediana, acompañado
de un ejemplo ilustrativo utilizando el Lenguaje R.
En el quinto capı́tulo se estudia el modelo de regresión de Cox

acompañado de la verificación de sus supuestos y culmina con un
ejemplo de la implementación de los tópicos a través del Lenguaje
R.
El sexto capı́tulo introduce los modelos paramétricos, estimación

de los parámetros, selección del mejor modelo, acompañado de un
ejemplo.
Finalmente debemos enfatizar que este es un material que este cur-

sillo pretende servir de motivación para que algunos de los asistentes
decidan seguir el estudio de los métodos de a nálisis de sobreviven-
cia y del lenguaje R.
Índice General
Prefacio iii
1 Introducción al lenguaje R 1
1.1 Instalación del lenguaje R. . . . . . . . . . . . . . . 3
1.2 Instalación de los paquetes adicionales. . . . . . . . 3
1.3 Ayudas y documentación del R. . . . . . . . . . . . 3
1.4 Acceso a datos internos disponibles. . . . . . . . . . 4
1.5 Acceso a datos externos disponibles. . . . . . . . . . 5
1.6 La opción de asignación. . . . . . . . . . . . . . . . 5
1.7 Verificación de objetos disponibles. . . . . . . . . . 6
1.8 Eliminación de objetos no deseados. . . . . . . . . . 6
1.9 R diferencia las mayúsculas de las minúsculas. . . . 6
1.10 Datos faltantes en R. . . . . . . . . . . . . . . . . . 6
1.11 Comentarios en R. . . . . . . . . . . . . . . . . . . 6
1.12 Creación de datos en R. . . . . . . . . . . . . . . . 7
1.13 Carga y descarga de objetos. . . . . . . . . . . . . . 7
1.14 Envı́o de gráficos a otros programas. . . . . . . . . 8
1.15 Salida del lenguaje R. . . . . . . . . . . . . . . . . . 8
2 Análisis de sobrevivencia utilizando el lenguaje R 9

2.1 El paquete survival . . . . . . . . . . . . . . . . . . 11
2.1.1 La función Surv . . . . . . . . . . . . . . . . 12
2.1.2 La función survfit . . . . . . . . . . . . . . . 12
v
vi Análisis de Sobrevivencia utilizando el Lenguaje R
2.1.3 La función survdiff . . . . . . . . . . . . . . 13

2.1.4 La función coxph . . . . . . . . . . . . . . . 14
2.1.5 La función cox.zph . . . . . . . . . . . . . . 15
2.1.6 La función residuals . . . . . . . . . . . . . . 16
2.1.7 La función survreg . . . . . . . . . . . . . . . 16
2.1.8 La función survreg.distributions . . . . . . . 17
3 Introducción al análisis de sobrevivencia. 19

3.1 Censura y truncamiento . . . . . . . . . . . . . . . 20
3.2 Definiciones básicas . . . . . . . . . . . . . . . . . . 21
3.2.1 Función de supervivencia . . . . . . . . . . . 21
3.2.2 Funciones de riesgos (hazard) . . . . . . . . 22
4 Estimación de la función de sobrevivencia 25

4.1 Estimador de Kaplan y Meier . . . . . . . . . . . . 25
4.2 Estimador de Fleming y Harrington . . . . . . . . . 26
4.3 Comparación de las funciones de sobrevivencia . . . 27
4.4 Sobrevida media y mediana . . . . . . . . . . . . . 29
4.4.1 Sobrevida media . . . . . . . . . . . . . . . 29
4.4.2 Sobrevida mediana . . . . . . . . . . . . . . 30
4.5 Ejemplo 4.1 . . . . . . . . . . . . . . . . . . . . . . 30
4.5.1 Estructura del archivo de datos dpa.txt . . . 30
4.5.2 Lectura de los datos en R . . . . . . . . . . 31
4.5.3 Estimación de la función de sobrevivencia a
través del estimador de Kaplan y Meier . . . 31
4.5.4 Comparación de funciones de supervivencia 36
5 El modelo de regresión de Cox 39

5.1 El modelo de Cox . . . . . . . . . . . . . . . . . . . 39
5.2 Contrastes de hipótesis para el modelo de Cox . . . 40
5.2.1 Test de razón de verosimilitud . . . . . . . . 41
5.2.2 Test de Wald . . . . . . . . . . . . . . . . . 41
5.2.3 Test de puntajes (score test) . . . . . . . . . 41
5.3 Modelos de Cox estratificados . . . . . . . . . . . . 42
Rafael Eduardo Borges Peña vii
5.4 Estudio de residuos en el análisis de supervivencia . 43

5.4.1 Residuos de martingala . . . . . . . . . . . . 43
5.4.2 Residuos de desvı́os (deviances) . . . . . . . 44
5.4.3 Residuos de puntajes (scores) . . . . . . . . 45
5.4.4 Residuos de Schoenfeld . . . . . . . . . . . . 45
5.5 Interpretación del modelo de Cox . . . . . . . . . . 45
5.6 Ejemplo 5.1 . . . . . . . . . . . . . . . . . . . . . . 46
5.6.1 Ajuste del modelo de Cox . . . . . . . . . . 46
5.6.2 Verificación de los supuestos del modelo de Cox 52
6 Modelos de regresión paramétricos 63

6.1 Caracterı́sticas de algunos modelos paramétricos . . 64
6.1.1 Distribuciones de localización y escala. . . . 65
6.2 Estimación de los modelos paramétricos . . . . . . 71
6.2.1 Caso general . . . . . . . . . . . . . . . . . . 71
6.2.2 Estimación para las distribuciones de local-
ización y escala . . . . . . . . . . . . . . . . 71
6.3 Identificación del modelo paramétrico más adecuado 72
6.3.1 Algunos gráficos que permiten identificar mod-
elos paramétricos . . . . . . . . . . . . . . . 72
6.4 Modelo paramétrico versus modelo de Cox . . . . . 74
6.5 Ejemplo 6.1 . . . . . . . . . . . . . . . . . . . . . . 75
6.5.1 Cálculo de la función de riesgo . . . . . . . . 75
6.5.2 Gráfico para identificar el mejor modelo paramétrico 76
6.5.3 Ajuste del modelo paramétrico . . . . . . . . 77
viii Análisis de Sobrevivencia utilizando el Lenguaje R
Capı́tulo 1
Introducción al lenguaje R
El lenguaje R es un lenguaje de computación formal diseñado para

ser utilizado en la manipulación y análisis de datos que posee una
serie de facilidades gráficas. Es además un lenguaje de licencia gra-
tuita.
El lenguaje R puede ser considerado como un programa orientado

a objetos debido a que la filosofı́a del lenguaje es que el resultado
de la evaluación de cada función genera un objeto, que posee a su
vez una serie de atributos.
El lenguaje R puede ser utilizado de manera interactiva, pudiéndose

obtener resultados con cada lı́nea de comandos, esta caracterı́stica
la hace diferente de otros paquetes importantes como los son el sis-
tema SAS y el SPSS en su versión de programación.
Es además, un lenguaje con mucho potencial para el desarrollo de

dispositivos gráficos y posee además un buen nivel de manipulación
de datos pero quizás en este aspecto no es tan poderoso como por
ejemplo el SAS, lo cual no constituye un problema ya que la im-
portación y exportación de datos desde y hacia otros sistemas está
1
2 Análisis de Sobrevivencia utilizando el Lenguaje R
completamente resuelta, también existe la posibilidad de comuni-

carse con otros lenguajes poderosos como lo son PERL y PYTHON,
con los cuales las posibilidades de manejos con cualquier clase de
estructuras de datos son prácticamente ilimitadas.
El Lenguaje R es una iniciativa de desarrollo escrito inicialmente

en 1996 por Robert Gentleman y Ross Ihaka de la Universidad
de Auckland de Nueva Zelandia que se basó en el ambiente del
lenguaje S. El lenguaje S es un lenguaje ideado a finales de los
ochenta por personas ligadas a los Laboratorios Bell (Chambers,
Becker y otros) y que fue comercializado con el nombre de S-PLUS
por la compañı́a de software de Seattle STATSCI. Posteriormente
fue comercializado por MATHSOFT, por LUCENT TECNOLOGY
y más recientemente por INSIGHTFUL CORPORATION.
Recientemente (18 de Abril de 2005), fue liberada la versión 2.1.0

del lenguaje R (R Development Core Team, 2005), esta versión
tiene incorporado el sistema básico y más de 25 paquetes consid-
erados como estándares y recomendados. El acceso a la base del
lenguaje puede hacerse a través de la página principal del proyecto
R (http://www.r-project.org) o a través de los servidores espe-
jos (mirror sites) de la red Comprehensive R Archive Network
(http://cran.r-project.org).
Otra ventaja del lenguaje R es la gran cantidad de paquetes con-

tribuidos disponibles en la página de CRAN, actualmente hay disponibles
más de 500. Un aspecto importante de resaltar es que cada paquete
viene acompañado de su manual en formato pdf, el cual puede
descargarse de la página de CRAN.
Rafael Eduardo Borges Peña 3
1.1 Instalación del lenguaje R.

El lenguaje R bajo Windows, se instala ejecutando el archivo de in-
stalación (rw2010.exe) y siguiendo las instrucciones de instalación,
este archivo se puede bajar de cualquiera de los servidores de CRAN,
este archivo ejecutable tiene un tamaño de 25 Mb y ocupa un es-
pacio en disco máximo de un poco ms de 50 Mb, en su instalación
completa (full). Los requerimientos de equipo no son muy exigentes,
puede ser instalado en equipos de la familia x86 o superiores y fun-
cionan con los sistemas operativos Microsoft Windows superiores a
las versiones 3.11.
1.2 Instalación de los paquetes adicionales.

Los paquetes contribuidos se instalan directamente desde el ambi-
ente de trabajo del lenguaje R, utilizando el menú Packages. Esto
puede hacerse de dos maneras:
i) Directamente de las páginas de CRAN, para lo cual hay que estar
conectado a la internet.
ii) A través de los archivos ejecutables previamente bajados en for-
mato zip, en esta opción no es necesario estar conectado a internet.
Un aspecto interesante es que los paquetes que han sido instala-

dos previamente pueden ser actualizados directamente de la página
de CRAN, esta facilidad solo se puede utilizar si se está conectado
a internet.
1.3 Ayudas y documentación del R.

R es un lenguaje que ofrece varios niveles de ayuda y estas pueden
activarse a través de la lı́nea de comandos o a través del menu Help.
A través de la lı́nea de comandos pueden utilizarse las instrucciones:
help(”topico”) para obtener ayuda acerca del tópico especı́fico, el

inconveniente de esta instrucción es que hay que colocar exacta-
mente el nombre del tópico.
La instrucción help.search(”tópico”) es más flexible porque se re-

aliza una búsqueda del tópico en todas los paquetes que han sido
bajados a al R de la máquina.
Las dos opciones anteriores también están disponibles a través del

menú Help (R functions (text)... y, Search help..., respectiva-
mente.)
En el menu Help también están disponibles una excelente ayuda

en formato HTML, en el cual se van incorporando las ayudas de los
paquetes que se van incorporando.
Otra forma de ayuda son los manuales en formato pdf, teniendo

disponible a través del menú Help los relatvos a la base del R. Los
manuales del resto de los paquetes pueden accesarse mediante el
acrobat reader.
Existe también una serie de documentación no oficial de R que está

disponible a través de la página de CRAN. Esta documentación es
considerada como contribuida y hay material en diversos idiomas,
incluyendo al castellano.
1.4 Acceso a datos internos disponibles.

Una gran parte de los paquetes tiene disponible una serie de datos
que pueden ser trabajados, sobre todo en la etapa de aprendizaje
del lenguaje R. La verificación de los datos disponibles en todos los
paquetes disponibles en el R que se está trabajando puede verse

mediante la instrucción data() y para ver los datos de un paquete
en especı́fico debe escribirse la opción data(”paquete”).
1.5 Acceso a datos externos disponibles.

La forma más sencilla de acceder a datos externos es mediante la
función read.table para lo cual se recomienda tener los datos en un
archivo de texto delimitado por algún carácter, por defecto el espa-
cio. Se recomienda además tener los nombres de las variables en la
primera fila en cuyo caso hay que colocar la opción header=TRUE.
También existen facilidades para importar (y exportar) datos desde

(y hacia) otros sistemas, una opción interesante es la del paquete
foreign, que permite importar y exportar datos de Minitab, S, SAS,
SPSS y Stata, entre otros.
1.6 La opción de asignación.

Todo comando que se ejecuta en R produce un resultado y para
poder tener disponible este resultado debe hacerse un proceso de
asignación, esto de hace mediante los caracteres menor que (<) y el
guión (−), generando el efecto visual de una flecha, < −, el proceso
de asignación se hace asignando el valor o el objeto a la derecha
de < − al objeto cuyo nombre es colocado a la izquierda de < −.
El nombre del objeto al cual se le hace la asignación puede incluir
cualquier carácter alfanumérico, incluyendo puntos y se recomienda
que comience con un letra. El formato de la asignación es:
Nombre.del.objeto< −(función u objeto generado)

1.7 Verificación de objetos disponibles.

Los objetos disponibles pueden ser verificados mediante la instrucción
objects().
1.8 Eliminación de objetos no deseados.

Cada proceso de asignación va generando un nuevo objeto, en caso
de no nesecitar más un objeto este debe borrarse utilizando la in-
strucción rm(”Nombre objeto a eliminar”). En el caso de que se
quieran eliminar varios objetos, pueden colocarse toso ellos dentro
del paréntesis separados por comas.
1.9 R diferencia las mayúsculas de las

minúsculas.
Un aspecto que debe considerarse cuando se trabaja en R es que el
lenguaje diferencia entre las mayúsculas y las minúsculas, por loe
cada comando u objeto debe se escrito de manera exacta.
1.10 Datos faltantes en R.

Los datos faltantes para variables numéricas en R se suele especi-
ficar con el valor NA. No todos las funciones admiten la presencia de
datos faltantes por lo que hay que revisar primero la documentación
disponible para la función o efectuar pruebas correspondientes.
1.11 Comentarios en R.
El lenguaje R admite comentarios. Un comentario comienza con el
carácter numeral (#), considerándose como comentario a todo lo
que aparezca el la lı́nea de comando a la derecha de #.
1.12 Creación de datos en R.

El lenguaje R permite la creación de diversas estructuras de datos
para el caso de que se tengan pocas variables y pocos individuos el
proceso de creación puede hacerse a través de una lista de combi-
naciones por columna, mediante la instrucción:
list(cbind(var1=c(valor1,...,valorn),...,vark=c(valor1,...,valorn)))
Otra opción es la creación de vectores por separado y unirlos por

columnas mediante la función cbind y luego eliminar los objetos de
las variables (vectores) pero este procedimiento es menos eficiente
que anterior.
Otra forma de crear datos es crearlos con un software externo, por

ejemplo Microsoft excel, guardarlos como archivos de texto delimi-
tados, teniendo cuidado de que el separador de enteros y decimales
debe ser un punto, luego copiarlos en el sudirectorio del R y leerlos
mediante la función read.table.
1.13 Carga y descarga de objetos.

Algunas funciones de R, necesitan tener accesible el objeto que
contienes las variables a analizar, la carga en el ambiente se hace
mediante la instrucción attach(objeto) y la descarga mediante la
instrucción dettach(objeto).
1.14 Envı́o de gráficos a otros progra-

mas.
El envı́o de gráficos a otros programas se hace colocando el gráfico
en el pisapapeles. Existen dos opciones para esto, colocándolo
como metafile o como bitmap, el ı́cono de la cámara lo coloca como
metafile.
1.15 Salida del lenguaje R.

Para salir del lenguaje R, se debe escribir la instrucción q(), selec-
cionar la opción Exit del menú File o hacer clic en la x colocada
en el extremo superior derecho de la ventana. En este momento se
pregunta si se desea guardar el espacio de trabajo, en caso de selec-
cionar si se graban de manera definitiva los objetos y los comandos
que se han generado durante la sesión y si se selecciona no, se pierde
la información de la sesión por lo que debe estar muy atento para
tomar la decisión al momento de cerrar la sesión de R.
Capı́tulo 2
Análisis de sobrevivencia
utilizando el lenguaje R
El análisis de sobrevivencia en el lenguaje R puede hacerse a través

de un conjunto de paquetes especializados que se detallan a contin-
uación:
bayesSurv: Modelos de Regresión Bayesianos.
cmprsk: Análisis de riesgos en competencia por subdistribuciones.
dblcens: Calcula estimadores máximo verosı́miles no paramétricos

para datos con doble censura.
eha: Sus siglas significan event history analysis y contiene fun-

ciones que permiten ajustar modelos de regresión en análisis de
sobrevivencia.
emplink: Contiene test de razón de verosimilitudes empı́ricos para

datos censurados y truncados.
9
Icens: Calcula estimadores máximo verosı́miles no paramétricos

para datos censurados y truncados.
intcox: Contiene un algoritmo convexo iterado de aminoramiento

para datos con censura por intervalos.
kinship: Contiene funciones para modelos de Cox de efectos mis-

xtos.
KMsurv: contiene los datos del libro de Klein y Moeschberger

(1997).
msm: Que trabaja con modelos de Markov de múltiple estados

continuos en el tiempo y que son útiles para algunos modelos de
sobrevivencia multivariados.
muhaz: Contiene funciones que permiten hacer estimaciones de

la función de riesgos.
relsurv: Contiene funciones que permiten ajustar modelos de re-

gresión relativos en análisis de sobrevivencia.
smoothSurv: Trabaja con modelos de regresión con distribuciones

de errores suavizadas.
survBayes: Permite ajustar modelos de riesgos proporcionales

bajo un enfoque Bayesiano.
survival: Es el principal paquete para realiza Análisis de Sobre-

vivencia.
survnnet: Dedicado a Análisis de Sobrevivencia a través de re-

des neuronales.
survrec: Contiene funciones que permiten estimar funciones de

sobrevida para datos de eventos recurrentes.
zicount Contiene funciones que permiten ajustar modelos de re-

gresin para datos de conteo censurados.
Existen otros paquetes que aunque no están orientados exclusiva-

mente al Análisis de Sobrevivencia, contienen funciones útiles, uno
de ellos es de miscelaneas de Harrel (Hmisc).
De los paquetes mencionados anteriormente, el más utilizado, que

también tiene el estatus de recomendado, es el survival, cuya
versión 2.17 está disponible desde el 6 de Abril del presente año. El
paquete survival es una librerı́a desarrollada por Thomas Lumley
a partir del código para S desarrollado inicialmente por Terry Th-
erneau (S original by Terry Therneau and ported by Thomas Lum-
ley, 2005), puede verse también el texto de Therneau y Grambsch
(2000).
2.1 El paquete survival

El paquete survival permite llevar a cabo análisis de sobrevivencia
para datos que presentan diversos mecanismos de censura. Este es
un paquete que tiene la caracterı́stica de ser un paquete con el esta-
tus de recomendado el cual ya viene incorporado en la versión 2.1.0
de R (versión 2.17), sin embargo, es recomendable estar atentos
para actualizarlo de manera permanente. Algunas de las funciones
de este serán descritas brevemente en la subsecciones siguientes.
Para ejecutar cualquiera de las funciones de este paquete es nece-
sario invocar la librerı́a mediante la instrucción:
library(survival)
2.1.1 La función Surv

La función Surv permite crear objetos tipo survival, la estructura
para datos que presentan censura por la derecha mediante:
Surv(time, event)
En la cual time representa el tiempo y event representa el esta-

tus de censura, considerado como cero (0) para datos censurados y
como uno (1) cuando el evento es observado.
Una estructura más completa de la función Surv, que es útil para

otros tipos de censuras es:
Surv(time, time2, event, type=, origin=0)
En donde time representa el tiempo de inicio de la observación,

time2 el tiempo de finalización, se asume que los intervalos de tiem-
pos son abiertos en su extremo inferior y cerrados en su tiempo
superior, es decir (time, time2], event es la condición de ocurrencia
del evento que depende del tipo de censura (type), que por defecto
es censura por la derecha, y origin es una utilidad que permite tra-
bajar bajo el enfoque de los procesos de conteo.
2.1.2 La función survfit

La función survfit permite obtener estimación de la función de so-
brevivencias utilizando el método de Kaplan y Meier (opción por
defecto) o de Fleming y Harrington. También permite predecir la
función de sobrevivencia para modelos de Cox. La estructura de la
función survfit es:
survfit(formula, data, weights, subset, na.action,newdata,

individual=F,conf.int=.95, se.fit=T, type=c(”kaplan-meier”,
”fleming-harrington”, ”fh2”), error=c(”greenwood”,”tsiatis”),

conf.type=c(”log”,”log-log”,”plain”,”none”),
conf.lower=c(”usual”, ”peto”, ”modified”))
la cual posee una serie de opciones que pueden ser revisadas en

el manual (S original by Terry Therneau and ported by Thomas
Lumley, 2005) o en la ayuda (help(”survfit”))
Con la función survfit puede obtenerse diversa información:
Con print(survfit( . . . )) o directamente con survfit( . . . )

se obtienen las medidas resumen.
Con summary(survfit( . . . )) se obtiene la función de sobrev-

ida estimada.
Con plot(survfit( . . .)) se obtiene el gráfico de la función de sobre-
vivencia estimada. En esta función pueden controlarse un serie de
opciones gráficas, se recomienda ver la ayuda correspondiente para
más detalles.
Con names(survfit( . . . )) se obtiene el nombre de cada uno de los

atributos de la función survfit. Esta función es útil para seleccionar
atributos por separados o para realizar cálculos posteriores cuando
sea necesario.
2.1.3 La función survdiff

La función survdiff permite efectuar contrastes de hipótesis para
verificar la igualdad o diferencia de dos o más curvas de sobre-
vivencias, basados en las familias de pruebas G-rho propuestas por
Harrington y Fleming (1982). La estructura de la función survdiff
es:
survdiff(formula, data, subset, na.action, rho=0)
Para más detalles ver la ayuda correspondiente (help(”survdiff”)).
2.1.4 La función coxph

La función coxph permite ajustar modelos de regresión de Cox.
Permite también ajustar modelos con variables dependientes del
tiempo, modelos estratificados, modelos de múltiples eventos por
individuo y otras extensiones derivadas del enfoque basado en los
procesos de conteo. La estructura de la función coxph es:
coxph(formula, data=parent.frame(), weights, subset,

na.action, init, control, method=c(”efron”,”breslow”,”exact”),
singular.ok=TRUE, robust=FALSE,
model=FALSE, x=FALSE, y=TRUE,...)
Para mayores detalles puede consultar la ayuda correspondiente.
La función coxph puede combinarse con otras funciones que per-

miten obtener la siguiente información:
Con print(coxph( . . . )) o directamente con coxph( . . . ) se

obtienen las los contrastes para verificar la adecuacidad del modelo
de Cox ajustado.
Con summary(coxph( . . . )) se obtiene un poco más de detalles de

los contrastes.
Con summary(survfit(coxph( . . . ))) se obtiene la función de

sobrevivencia ajustada por el modelo de Cox.
Con plot(survfit(coxph( . . .))) se obtiene el gráfico de la función de

sobrevida ajustada por el modelo de Cox. En esta función pueden

controlarse un serie de opciones gráficas, se recomienda ver la ayuda
correspondiente para más detalles.
Con names(coxph( . . . )) se obtiene el nombre de cada uno

de los atributos de la función coxph. Esta función es útil para selec-
cionar atributos por separados o para realizar cálculos posteriores
cuando sea necesario.
Otra funciones importantes que funcionan con la función coxph son

lo son las funciones cox.zph y la función residuals (o resid), las cuales
serán explicadas en la próximas dos subsecciones.
2.1.5 La función cox.zph

La función cox.zph permite llevar a cabo el contraste de hipótesis
de riesgos proporcionales, las salidas directas presentan el contraste
global y de cada una de las covariables en el modelo. La hipótesis
nula es el cumplimiento del supuesto de riesgos proporcionales, aso-
ciado a que los betas son ceros. La estructura de esta función es:
cox.zph(fit, transform=”km”, global=TRUE)
Esta función puede combinarse con la función plot para obtener

la distribución de los betas, para lo cual se utiliza la siguiente es-
tructura:
plot(x, resid=TRUE, se=TRUE, df=4, nsmo=40, var, ...)
donde x es un objeto de tipo cox.zph y var permite identificar la

covariable que se va a representar de forma gráfica, en S-PLUS
no es necesario hacer esta declaración porque se genera un gráfico
compuesto donde se representan los gráficos para cada una de las
covariables, consulte la ayuda para detalles adicionales. Para enten-

der un poco más como funciona este comando puede ver el ejemplo
del presente curso.
2.1.6 La función residuals

Otra función importante asociada a los objetos del tipo coxph es la
función residuals, o en su formato más corto resid. Esta función per-
mite calcular los residuos de martingala, de puntajes (score), de tipo
desvı́o (deviance) y de Schoenfeld. La estructura de esta función es:
residuals(object, type=c(”martingale”, ”deviance”, ”score”, ”schoen-

feld”, ”dfbeta”, ”dfbetas”, ”scaledsch”,”partial”), collapse=FALSE,
weighted=FALSE, ...)
donde object es un objeto de tipo coxph.
Para mayores detalles consulte la ayuda correspondiente y para

ver la implementación puede verse el ejemplo de este curso.
2.1.7 La función survreg

La función survreg permite ajustar modelos de regresión paramétricos
utilizados en análisis de sobrevivencia y confiabilidad. La estruc-
tura de la función survreg es:
survreg(formula=formula(data), data=parent.frame(), weights,

subset,na.action,dist=”weibull”, init=NULL, scale=0,
control=survreg.control(),parms=NULL,model=FALSE, x=FALSE,
y=TRUE, robust=FALSE, ...)
la cual posee una serie de opciones que pueden ser revisadas en

el manual (S original by Terry Therneau and ported by Thomas
Lumley, 2004) o en la ayuda (help(”survreg”))
Las distribuciones que se pueden modelar directamente a través

de la función survreg son la Weibull, la exponencial, la gaussiana o
normal, la lognormal, la logı́stica, la loglogı́stica.
Con la función survreg puede obtenerse diversa información:
Con print(survreg( . . . )) o directamente con survreg( . . .

) se obtiene una información bastante completa del ajuste.
Con names(survreg( . . . )) se obtiene el nombre de cada uno

de los atributos de la función survreg. Esta función es útil para
seleccionar atributos por separados o para realizar cálculos poste-
riores cuando sea necesario.
Con summary(survreg( . . . )) se obtiene información general

acerca de los atributos del objeto tipo survreg.
2.1.8 La función survreg.distributions

Es una función que permite declarar otros modelos paraméricos,
principalmente los pertenecientes a la familia de localización y es-
cala.
Capı́tulo 3
Introducción al análisis de
sobrevivencia.
El análisis de sobrevivencia consiste en un conjunto de técnicas para

analizar el tiempo de seguimiento hasta la ocurrencia de un evento
de interés. Este tiempo de seguimiento hasta que ocurra el evento
de interés, también denominado tiempo de vida puede observarse
completa o parcialmente. Un caso poco frecuente en la práctica
es aquel en que se observan los individuos desde un evento inicial
hasta el evento de final o de ocurrencia del fenómeno que se desea
observar. A la ocurrencia del evento de interés se le suele denomi-
nar falla o muerte.
Ahora bien, es posible, y muy frecuente en la práctica encontrarse

con situaciones en que se cuenten con observaciones incompletas de
los perı́odos que transcurren entre el tiempo inicial y el tiempo final.
Esto puede darse por censura o por truncamiento, y es precisamente
bajo la presencia de censura o truncamiento que el análisis de so-
brevivencia cobra una importancia primordial.
Debido a la presencia de censura y/o truncamiento al análisis de
19
supervivencia se le conoce también como análisis de datos censura-

dos y/o truncados. Otro de los nombre que recibe este análisis
es análisis de confiabilidad (reliability), derivados de estudios de
distribuciones del tiempo de vida en procesos industriales o de in-
genierı́a. También puede ser denominado como análisis del tiempo
hasta la ocurrencia de un evento.
En este Capı́tulo se presenta una visión introductoria del análisis

de supervivencia, incluyéndose aspectos relacionados con censura y
truncamiento, seguido de una serie de definiciones básicas.
En capı́tulos posteriores se presentará el estimador de Kaplan y

Meier, métodos de comparación de funciones de riesgos, el modelo
de regresión de Cox y modelos paramétricos.
3.1 Censura y truncamiento

Existen dos mecanismos que no hacen posible la observación com-
pleta de los tiempos de seguimiento, como lo son la censura y el
truncamiento. En cuanto a la censura existen dos tipos: censura
tipo I en la cual los individuos son observados hasta un tiempo de-
terminado y, la censura tipo II en la cual los individuos son obser-
vados hasta que ocurran un nmero determinado de fallas o eventos
de interés. Los mecanismos de censura (tipo I) y truncamiento más
frecuentes son presentados a continuación:
i) Censura por la derecha: Se presenta cuando hasta la ltima

observación que se le hace al individuo, an no se ha ocurrido el
evento que se desea observar. Existen varias razones para que se
presente este tipo de censura:
- Que hasta el momento de la finalización del estudio no haya
ocurrido el evento, esto ocurrirı́a en el caso de que el perı́odo de
seguimiento sea finito.
- Que el individuo haya abandonado el estudio.

- Que haya ocurrido en el individuo otro evento que imposibilite la
ocurrencia del evento que se desea observar.
ii) Censura por la izquierda: Es poco comn en análisis de su-

pervivencia, se presenta cuando para la primera observación que se
realiza sobre el individuo ya ha ocurrido el evento que se desea ob-
servar. Este tipo de censura suele confundirse con el truncamiento
por la izquierda o la entrada tardı́a.
iii) Censura por intervalos: Se presenta cuando solo se sabe

que al individuo le ocurre el evento de interés entre un instante ti
y un tiempo tj .
iv) Entrada tardı́a al estudio (truncamiento por la izquierda):

Se presenta cuando el individuo comienza a observarse posterior-
mente al verdadero evento inicial.
vii) Truncamiento por la derecha: Se presenta cuando sólo

se incluyen los individuos que presentan el evento o falla de interés.
Para obtener un panorama general de los distintos tipos de cen-

sura puede verse el libro de Andersen y colaboradores (Andersen et
al., 1993) o el de Klein y Moeschberger (1997).
3.2 Definiciones básicas

3.2.1 Función de supervivencia
La función de supervivencia se define como la probabilidad de que
una persona sobreviva (no le ocurra el evento de interés) al menos
hasta el tiempo t.
Una definición más formal puede darse de la siguiente manera: sea

T una variable aleatoria positiva (o no negativa) con función de
distribución F (t) y función de densidad de probabilidad f (t).
La función de supervivencia S (t) puede escribirse como:

S (t) = 1 − F (t) = P [T > t]
3.2.2 Funciones de riesgos (hazard)

La función de razón de riesgos o tasa instantánea de fallasλ (t) se
define como el cociente entre la función de densidad y la función de
supervivencia:
f (t)
λ (t) = S(t)
Se interpreta como la probabilidad de que a un individuo le ocurra

el evento de interés en la siguiente unidad de tiempo ∆t dado que
ha sobrevivido hasta el tiempo t.
Dicha función proviene de la tasa media de fallas, como sigue:
Dada la Probabilidad condicional de fallas en el perı́odo (t; t + ∆t),

dado que la persona sobrevive en el perı́odo (0; t), la tasa media de
fallas (TMF) se define como:
F (t+∆t)−F (t) 1
TMF = ∆t S(t)
Tomando lı́mites para ∆t → 0, queda:

F 0 (t) f (t)
λ (t) = lim TMF = S(t)
= S(t)
∆t→0
De la expresión anterior, se puede obtener la funcin de sobrevida,

mediante:
f (t)
S (t) = λ(t)
La función de riesgo acumulada Λ (t) se define como:

Rt
Λ (t) = λ (u)du = − log S (t)
0
De la expresión anterior, puede obtenerse, x puede obtenerse la

función de sobrevida, a partir de la función de riesgo o de la función
de riesgo acumulada, mediante la siguiente fórmula:
Rt
− λ(t)dt
S (t) = e 0 = e−Λ(t)
Como habı́amos planteado anteriormente, lo que distingue al análisis

de sobrevivencia es la presencia de la censura. El caso más comn
de censura es la censura por la derecha, que se caracteriza porque
sólo se sabe que el tiempo de ocurrencia del evento de interés es
mayor que el ltimo tiempo de observación.
Los datos de supervivencia suelen presentarse en la forma (ti , δi )

donde ti es el tiempo de observación y, δi = 0 si la observación es
censurada y δi = 1 cuando se observa la ocurrencia del evento de
interés.
Capı́tulo 4
Estimación de la función de
sobrevivencia
En este capı́tulo se presentan dos estimadores para la función de

sobrevida: el de Kaplan y Meier y el de Fleming y Harrington.
Posteriormente, se presentan mtodos para comparar funciones de
sobrevida y se introducen los conceptos de sobrevida media y so-
brevida mediana.
4.1 Estimador de Kaplan y Meier

La presencia de datos censurados o truncados hace que la función
de sobrevivencia no pueda ser obtenida directamente a través de
argumentos probabilı́sticos haciéndose necesario el uso de algunos
estimadores. Existen varias formas de estimar la función de so-
brevivencia, entre los más conocidos son los basados en tablas de
vida, entre el que se incluye el estimador actuarial y el estimador
de Kaplan y Meier, que es más práctico, porque no es necesario
trabajar con perı́odos de tiempos, sino que los mismos tiempos de
observación van contribuyendo a la estimación de la función de su-
pervivencia.
25
El estimador de Kaplan y Meier (1958) es el estimador de la función

de sobrevivencia más utilizado y se define para el caso en que los
datos puedan presentar censura por la derecha como:
Q r(ti )−d(ti )
ŜKM (t) = r(ti )
ti ≤t
donde r (ti ) y d (ti ) son el número de individuos en riesgo y el

número de muertes (o de ocurrencia del evento de interés) en el
momento ti .
La varianza del estimador de Kaplan y Meier se obtiene a través de

la fórmula de Greenwood (1926):
³ ´ P
2 d(ti )
V ŜKM (t) = ŜKM (t) r(ti )[r(ti )−d(ti )]
ti ≤t
El intervalo de confianza del 95% de escala plana (o de identidad),

llamado ası́ porque es obtenido de manera estándar al que se ob-
tiene cualquiera de los intervalos de confianza, sin utilizar ninguna
transformación, se obtiene mediante:
³ ´
ŜKM (t) ± 1.96ee ŜKM (t)
³ ´
donde ee ŜKM (t) es el error estándar de estimación del estimador
de Kaplan y Meier.
4.2 Estimador de Fleming y Harring-

ton
Un estimador de la función de la función de sobrevida puede obten-
erse a partir del estimador de Nelson y Aalen.
El estimador Nelson y Aalen (Nelson, 1969) es una estimador de la

función de riesgo acumulado que puede calcularse mediante:
P d(ti )
Λ̂N (t) = r(ti )
ti ≤t
y bajo el enfoque de procesos de conteo, toma la forma:

n Rt
P dNi (s)
Λ̂N (t) = r(s)
i=1 0
De donde puede hallarse el estimador de función de sobrevida de

Fleming y Harrington (Fleming y Harrington, 1984 y 1991), medi-
ante:
ŜF H (tj ) = e−Λ̂N (tj )
4.3 Comparación de las funciones de so-

brevivencia
La comparación de dos curvas de sobrevida se efectúa a través de
contrastes basados en tablas de contingencia como la siguiente:
Tabla No. 1. Tabla usada para el contraste de igualdad

de funciones de sobrevivencia en dos grupos en el tiempo
de observación ti
Grupo
Evento 1 0 Total
Muerte d1 (ti ) d0 (ti ) d (ti )
No muerte r1 (ti ) − d1 (ti ) r0 (ti ) − d0 (ti ) r (ti ) − d (ti )
En riesgo r1 (ti ) r0 (ti ) r (ti )
Donde por comodidad se han definido los grupos, como 1 y 0, cor-

respondiendo estos grupos a cada una de las dos curvas de super-
vivencia.
Para construir el estadı́stico de contraste basta con calcular el número

esperado de muertes y la varianza estimada del número de muertes

para uno de los grupos; por ejemplo, para el grupo 1 el número
esperado de muertes se calcula de la siguiente manera:
r1 (ti )d(ti )
ê1 (ti ) = r(ti )
La varianza estimada de di (ti ) está basada en la distribución hiper-

geométrica y para el grupo 1 está definida como:
r1 (ti )r0 (ti )(r(ti )−d(ti ))
V̂ (d1 (ti )) = r2 (ti )(r(ti )−1)
Finalmente, el estadı́stico de contraste se define de la siguiente man-

era:
·m ¸2
P
wi (d1 (ti )−ê1 (ti ))
Q= i=1
P
m
wi2 V̂ (d1 (ti ))
i=1
Puede demostrarse que el estadı́stico anterior se puede aproximar

mediante una Chi cuadrado de un grado de libertad si el número
de ocurrencias de eventos es grande.
Bajo la hipótesis nula que asume que las dos funciones de sobre-
vivencia son iguales. En esta fórmula m es el número de tiempos
de ocurrencia de eventos en ambos grupos y wi denota los pesos,
que toman valores distintos dependiendo del test utilizado. En este
curso sólo utilizaremos dos de los casos: el test de Mantel y Haen-
zel, mas conocido como el test de los rangos de logaritmos (log-rank
test) y el test de Peto y Peto. Para una enumeración muy completa
de los distintos test, basados en procesos de conteo (Andersen et
al, 1993, Fleming y Harrington, 1991).
Test de Mantel y Haenzel: Como establecimos anteriormente,

el más común de los test es de Mantel y Haenzel (o log-rank). Este
test está diseñado para verificar igualdad o diferencia en la función
de sobrevivencia en todos los tiempos. En este test los pesos son

iguales a 1, es decir, wi = 1 (Mantel, 1966).
Test de Peto y Peto:Otro de los test comúnmente utilizados

es el de Peto y Peto (Peto y Peto, 1972). Este test permite veri-
ficar igualdad o diferencia de las funciones de sobrevivencia en los
tiempos iniciales. En este test los pesos toman la forma:
wi = S̃ (ti−1 ) r(tr(ti )−1

i)
donde S̃ (t) es el estimador de la función de sobrevivencia definida

por:
Q ³ r(ti )+1−d(ti ) ´
S̃ (t) = r(ti )+1
ti ≤t
Familia de tests G-rho de Fleming y Harrington: Otra forma

de estudiar los test anteriores fue propuesta por Harrington y Flem-
ing (Harrington y Fleming, 1982 y Fleming y Harrington, 1991).
Esos dos autores sugieren pesos de la forma:
h iρ
w1 = ŜKM (ti−1 )
y haciendo ρ = 0 se tiene que wi = 1 (test log-rank) y, si ρ = 1, se

obtiene el test de Peto y Peto. Esta manera de definir los pesos es
la forma como trabaja el lenguaje R.
4.4 Sobrevida media y mediana

4.4.1 Sobrevida media
La sobrevida media o media de la supervivencia puede ser estimada
mediante la siguiente expresión:
RT
µ̂ = ŜKM (t)dt
0
donde T es tiempo máximo de seguimiento observado durante el

estudio.
La varianza de la media es:

Ã !2
RT RT dN (t)
var (µ̂) = ŜKM (u)du r(t)(r(t)−N (t))
0 0
P
donde N (t) = Ni (t) = d (t) es el número total de muertes (o
de ocurrencia del evento de interés hasta el tiempo t) y r (t) es el
número de individuos en riesgo en el tiempo t.
4.4.2 Sobrevida mediana

La sobrevida mediana o mediana de la supervivencia se define como
el primer tiempo t que satisface la siguiente condición:
ŜKM (t) ≤ 0.5
4.5 Ejemplo 4.1

En esta seccin se presenta la primera parte de un de un análisis de
sobrevivencia utilizando el lenguaje R, para ello se ha trabajado con
una versión reducida de los datos correspondientes a los pacientes
de diálisis peritoneal analizados en la tesis de maestrı́a de Borges
(2002), que se encuentran en el archivo dpa.txt.
El análisis que se presenta en este capı́tulo corresponde al estimador

de Kaplan y Meier y comparación de funciones de sobrevivencia.
4.5.1 Estructura del archivo de datos dpa.txt

El archivo dpa.txt contiene la información de 246 pacientes que
acudieron al Servicio de diálisis peritoneal del Hospital Clı́nico Uni-
versitario de Caracas entre los años 1980 y 2000. La variables se-

leccionadas para este archivo fueron:
Variable Descripción
orden: Orden de los individuos en la base de datos.
sexofm: Sexo (0 corresponde al sexo femenino y 1 al
sexo masculino)
diabetes: Diabetes mellitus (1 corresponde a un pa-
ciente diabético y 0 a uno no diabético)
meses: Meses de seguimiento en diálisis peritoneal.
censor2: Condición de Censura (1 denota la muerte y
0 denota los datos censurados)
edad: Edad del paciente al comienzo de la diálisis).
quetelet: ı́ndice de Quetelet.
4.5.2 Lectura de los datos en R

La lectura de los datos y su correspondiente asignación al objeto
dpa se hace mediante la instrucción:
> dpa< −read.table(”dpa.txt”,header=TRUE)
Posteriormente y antes de comenzar a ejecutar las funciones del

paquete survival debe ejecutarse el comando:
> library(survival)
4.5.3 Estimación de la función de sobrevivencia

a través del estimador de Kaplan y Meier
La obtención del objeto que contiene la información de la estimación
de la función de sobrevivencia a través del método de Kaplan y
Meier se hace, luego de cargar el objeto dpa, mediante la instruccin:
> attach(dpa)
Para luego obtener el estimador de Kaplan y Meier mediante el

comando:
> km1< −survfit(Surv(meses,censor2))
Para visualizar el resumen de la estimación debe escribirse la in-

strucción:
> print(km1)
o simplemente mediante:
> km1
obteniéndose la siguiente salida:
Call: survfit(formula = Surv(meses, censor2))
n events median 0.95LCL 0.95UCL

246 64 61 55 Inf
Los nombres del objeto km1 se obtienen mediante el comando:
> km1
obteniéndose el siguiente resultado:
[1] ”n” ”time” ”n.risk” ”n.event” ”surv” ”type” ”std.err”

[8] ”upper” ”lower” ”conf.type” ”conf.int” ”call”
La estimación de la función de supervivencia se obtiene mediante

la instrucción:
> summary(km1)
Obteniéndose la siguiente salida:
Call: survfit(formula = Surv(meses, censor2))

time n.risk n.event survival std.err lower 95% CI upper 95% CI

0 246 2 0.992 0.00573 0.9807 1.000
1 240 1 0.988 0.00704 0.9740 1.000
3 228 4 0.970 0.01102 0.9490 0.992
4 221 1 0.966 0.01182 0.9431 0.989
5 215 1 0.962 0.01259 0.9372 0.987
6 209 1 0.957 0.01334 0.9311 0.983
7 202 1 0.952 0.01409 0.9250 0.980
8 197 1 0.947 0.01483 0.9187 0.977
9 193 1 0.942 0.01554 0.9125 0.973
10 188 1 0.937 0.01625 0.9061 0.970
11 180 3 0.922 0.01831 0.8866 0.958
12 171 1 0.916 0.01898 0.8800 0.954
13 161 1 0.911 0.01970 0.8729 0.950
14 151 4 0.887 0.02257 0.8435 0.932
15 144 1 0.880 0.02324 0.8361 0.927
17 135 3 0.861 0.02532 0.8127 0.912
19 124 1 0.854 0.02605 0.8044 0.907
20 119 2 0.840 0.02752 0.7873 0.895
21 115 3 0.818 0.02956 0.7617 0.878
22 110 3 0.795 0.03143 0.7361 0.859
23 104 1 0.788 0.03205 0.7274 0.853
25 94 1 0.779 0.03278 0.7177 0.846
26 90 1 0.771 0.03354 0.7077 0.839
28 81 1 0.761 0.03445 0.6966 0.832
30 78 2 0.742 0.03623 0.6739 0.816
31 75 4 0.702 0.03933 0.6291 0.784
33 63 1 0.691 0.04025 0.6164 0.775
34 59 1 0.679 0.04124 0.6031 0.765
37 53 2 0.654 0.04348 0.5737 0.745
39 50 1 0.641 0.04453 0.5589 0.734
42 43 1 0.626 0.04592 0.5418 0.722
47 38 1 0.609 0.04757 0.5227 0.710
52 33 1 0.591 0.04958 0.5011 0.696
55 31 1 0.572 0.05152 0.4791 0.682
59 26 2 0.528 0.05616 0.4283 0.650
60 22 1 0.504 0.05850 0.4012 0.632
61 21 1 0.480 0.06044 0.3748 0.614
65 18 1 0.453 0.06268 0.3455 0.594
77 11 1 0.412 0.06920 0.2963 0.573
96 7 1 0.353 0.08054 0.2258 0.552
110 4 2 0.177 0.09701 0.0601 0.518
Finalmente, el gráfico de la función de supervivencia puede con-

struirse mediante el comando:
> plot(km1,xlab=”Meses”,ylab=”Supervivencia”, main=”Gráfico

No. 1. Estimador de Kaplan y Meier”)
Obteniéndose el siguiente gráfico:
Gráfico No. 1. Estimador de Kaplan y Meier

1.0
0.8
0.6
Supervivencia
0.4
0.2
0.0
0 20 40 60 80 100 120
Meses
4.5.4 Comparación de funciones de superviven-

cia
Suponga que queremos comparar las funciones de supervivencia de

los pacientes diabéticos y los no diabéticos, para ello construyamos
un gráfico donde se observe las estimaciones de Kaplan y Meier para
los pacientes diabéticos y no diabéticos, esto lo haremos mediante
las instrucciones:
> km2< −survfit(Surv(meses,censor2)∼diabetes)

> plot(km2,xlab=”Meses”,ylab=”Supervivencia”, main=”Gráfico
No. 2. Estimador de Kaplan y Meier \n para pacientes diabéticos y no
diabéticos”,lty=c(1,2),mark.time=FALSE)
> legend(75,0.9,legend=c(”No diabéticos”,”Diabéticos”),lty=c(1,2))
Obteniéndose el gráfico:
Gráfico No. 2. Estimador de Kaplan y Meier

para pacientes diabéticos y no diabéticos
1.0
0.8
0.6
Supervivencia
0.4
0.2
0.0
0 20 40 60 80 100 120
Meses
Donde de observa que aparentemente ambas funciones de super-

vivencia son distintas.
Para comparar ambas funciones de supervivencia se debe ejecu-

tar el comando:
> survdiff(Surv(meses,censor2)∼diabetes)
Obteniéndose el resultado:
Call:
survdiff(formula = Surv(meses, censor2) ∼ diabetes)

N Observed Expected (O-E)∧2/E (O-E)∧2/V

diabetes=0 212 49 56.46 0.986 8.6
diabetes=1 34 15 7.54 7.386 8.6
Chisq= 8.6 on 1 degrees of freedom, p= 0.00335
Y como p=0.00335 < 0.05, se rechaza la hipótesis nula de igual-

dad de funciones de sobrevivencia (para un nivel de significación
del 5%).
Capı́tulo 5
El modelo de regresión de
Cox
El modelo de regresión de Cox (1972) es el modelo de regresión más

utilizado para datos de supervivencia en el área médica.
El modelo de Cox posee la ventaja de que permite modelar covari-

ables que dependen del tiempo, sin embargo, este tipo de modelaje
no será abordado en este cursillo.
5.1 El modelo de Cox

En el modelo de regresión de Cox, el riesgo para el i-ésimo individuo
se define mediante la siguiente expresión:
0
λ (t; Zi (t)) = λ0 (t) eβ Zi (t)
donde Zi (t) es el vector de covariables para el i-ésimo individuo en
el tiempo t.
El modelo de Cox establecido anteriormente se dice que es un mod-

elo semiparamétrico debido a que incluye una parte paramétrica y
39
otra parte no paramétrica.

0
i) La parte paramétrica es ri (t) = eβ Zi (t) , llamada puntaje de riesgo
(risk score), y β es el vector de parámetros de la regresión.
ii) La parte no paramétrica es λ0 (t) que es llamada función de

riesgo base, es una función arbitraria y no especificada.
El modelo de regresión de Cox se llama también modelo de ries-

gos proporcionales debido a que el cociente entre el riesgo para dos
sujetos con el mismo vector de covariables es constante en el tiempo,
es decir:
0 Z (t) 0
λ(t;Zi (t)) λ0 (t)eβ i eβ Zi (t)
λ(t;Zj (t))
= 0
β Zj (t) = 0
λ0 (t)e eβ Zj (t)
Suponiendo que una muerte ha ocurrido en el tiempo t∗ , entonces

la verosimilitud de que la muerte le ocurra al individuo i-ésimo y
no a otro individuo es:
∗ ∗ ∗
Li (β) = P Yjλ(t0 (t )ri (t )
∗ )λ (t∗ )r (t∗ ) =
0 j
P ri (t∗ ) ∗
Yj (t )rj (t )
j j
Q
El producto de los términos de la expresión anterior L (β) = Li (β)
es llamada la verosimilitud parcial y fue introducida por Cox (1972).
La maximización de log (L (β)) da una estimación para β sin necesi-

dad de estimar el parámetro de ruido o función de riesgo base λ0 (t)
5.2 Contrastes de hipótesis para el mod-

elo de Cox
Una vez que se ha ajustado un modelo de Cox, existen tres con-
trastes de hipótesis para verificar la significación del modelo, estos
tests son asintóticamente equivalentes, pero no siempre sucede lo
mismo en la práctica.
5.2.1 Test de razón de verosimilitud

El primero de los contrastes es el denominado test de razón de
verosimilitud y es el que presenta una mayor confiabilidad. Este
test se define como:
n ³ ³ ´ó
2 log (L (β0 )) − log L β̂
donde β0 son los valores iniciales de los coeficientes y β̂ es la solución

luego de ajustar el modelo.
5.2.2 Test de Wald

El segundo de los contrastes es conocido como el test de Wald y
es quizás el más natural debido a que proporciona un contraste
por variables en vez de una medida de significación global. El es-
tadı́stico de contraste se define mediante:
³ ´! ³ ´
β̂ − β0 Σ̂−1
β̂
β̂ − β0
donde Σ̂β es la matriz de varianzas y covarianzas estimada.
5.2.3 Test de puntajes (score test)

El tercer contraste es el conocido como test de los puntajes, definido
comoU 0 IU , donde U es el vector de derivadas del log (L (β)) dado
por:
∞h
n R
P i
U (β) = Zi (t) − Z̄ (β, t) dNi (t)
i=1 0
I es la matriz de información dada por:

P !
∞
n R
P Y (t)rj (t)[Zi (t)−Z̄(β,t)][Zi (t)−Z̄(β,t)]
j j
I (β) = P dNi (t)
Y (t)r (t)j j
i=1 0 j
y Z̄ (β, t) es la media de las covariables para aquellos todavı́a en

riesgo en el tiempo t, dada por:
P
Y (t)rj (t)Zi (t)
j j
Z̄ (β, t) = P Y (t)r (t)
i i
i
5.3 Modelos de Cox estratificados

Una extensión del modelo de Cox permite obtener la estimación de
los modelos para distintos grupos disjuntos o estratos. El modelo
obtenido se conoce como modelo de Cox estratificado y está definido
para el estrato j-ésimo como:
0
λ (t; Zi (t)) = λj (t) eβ Zi (t)
Este modelo permite obtener la estimación del modelo en presencia

de una variable de estratificación sobre la cual se desean obtener
funciones de supervivencia por cada uno de los distintos grupos y
probablemente poder estudiar la existencia o no de las funciones de
sobrevivencia entre los grupos.
El modelo de Cox estratificado también constituye una de las man-

eras de corregir el modelo de Cox cuando no se cumple el supuesto
de riesgos proporcionales para alguna de las covariables. En este
caso suele correrse el modelo estratificando por la covariable que no
cumple con el supuesto de riesgo proporcional. Este procedimiento
permite corregir el sesgo en la estimación del parámetro que puede
presentarse cuando se viola el supuesto de riesgo proporcional. Sin
embargo, presenta una desventaja y es que no existe ningún β que
permita estimar el efecto de la covariable de estratificación.
5.4 Estudio de residuos en el análisis de

supervivencia
Una de las ventajas que han surgido del enfoque del análisis de su-
pervivencia es la posibilidad de efectuar análisis de residuos (Ander-
sen et al., 1993, Fleming y Harrington, 1991, Therneau y Grambsch,
2000, Therneau et al., 1990).
Los residuos se pueden utilizar para:

1. Descubrir la forma funcional correcta de un predictor continuo.
2. Identificar los sujetos que están pobremente predichos por el
modelo.
3. Identificar los puntos o individuos de influencia.
4. Verificar el supuesto de riesgo proporcional.
Existen cuatro tipos de residuos de interés en el modelo de Cox:

los residuos de martingala, los de desvı́os (deviances), los de pun-
taje (score) y los de Schoenfeld. De estos cuatro residuos pueden
derivarse otros dos: los dfbetas y los residuos escalados de Schoen-
feld. A continuación explicaremos brevemente cada uno de estos
residuos.
5.4.1 Residuos de martingala

Los residuos de martingala se definen como:
Rt 0
M̂i (t) = Ni (t) − Êi (t) = Ni (t) − Yi (s) eβ Zi (s) dΛ̂0 (β, s)
0
donde Λ̂0 (β, s) es el estimador del riesgo base de Breslow (o de

Tsiatis o de Nelson y Aalen) definido como:
P
n
dNi (s)
Rt
Λ̂0 (β, s) = P
n
i=1
0 Z (s)
0 Yi (s)eβ i
i=1
y están basados en la martingala de un proceso de conteo para el

i-ésimo individuo, Mi (t) = Ni (t) − Ei (t) , definida mediante:
Rt 0
Mi (t) = Ni (t) − Yi (s) eβ Zi (s) λ0 (s)ds
0
Los residuos de martingala son muy asimétricos y con una cola muy
larga hacia la derecha, particularmente para datos de supervivencia
para un solo evento.
Los residuos de martingala se usan para estudiar la forma funcional

de una covariable.
5.4.2 Residuos de desvı́os (deviances)

Los residuos de desvı́os se obtienen mediante una transformación de
normalización de los desvı́os de martingala y son similares en forma
a los residuos de desvı́os (deviances) en la regresión de Poisson.
Los residuos de desvı́os se definen de la manera siguiente: si to-

das las covariables son fijas en el tiempo, los residuos toman la
forma:
³ ´ r ³³ ´. ´
di = signo M̂i ∗ −M̂i − Ni log Ni − M̂i Ni
Una expansión de Taylor de un término muestra que:
di ≈ N√
i −Êi
Êi
que es formalmente equivalente a los residuos de Pearson de los

modelos lineales generalizados.
Los residuos de desvı́os se utilizan para la detección de valores

atı́picos (outliers).
5.4.3 Residuos de puntajes (scores)

Los residuos de puntajes se definen como:
³ ´
Uij = Uij β̂, ∞
donde Uij (β, t) , j = 1, · · · , p son las componentes del vector fila de

longitud p obtenido a través del proceso de puntaje para el i-ésimo
individuo:
Rt h i
Ui (β) = Zi (t) − Z̄ (β, t) dNi (t)
0
Los residuos de puntajes se utilizan para verificar la influencia in-

dividual y para la estimación robusta de la varianza.
5.4.4 Residuos de Schoenfeld

Los residuos de Schoenfeld (1982) se definen como la matriz:
sij (β) = Zij (ti ) − Z̄j (β, ti )
con una fila por muerte y una columna por covariable, donde i y ti
son los individuos y el tiempo de ocurrencia del evento respectiva-
mente.
Los residuos de Schoenfeld son útiles para la verificación del supuesto

de riesgo proporcional en el modelo de Cox.
5.5 Interpretación del modelo de Cox

La interpretación del modelo de Cox no se hace directamente a
través de su coeficiente estimado sino
³ ´del exponencial de la esti-
mación del coeficiente estimado, exp β̂ .
³ ´
Para variables dicotómicas exp β̂ es un estimador de la razón
de riesgos (hazard ratio) y se interpreta como la cantidad de riesgo

que se tiene con la presencia de cada covariable en relación a la
ausencia del resto de las la covariables.
³ ´
Los intervalos de confianza del 95% para exp β̂ se obtienen me-
diante:
³ ³ ´´
exp β̂ ± 1.96ee β̂
³ ´
donde ee β̂ es el error estándar de β̂.
³ ´
Para el caso de covariables continuas, exp β̂ representa la razón
de riesgos (hazard ratio) al incrementar en una unidad la covariable.
Resulta más interesante estimar la razón de riesgos al incremen-

³ ´
tar la covariable en c unidades y esto se hace mediante exp cβ̂ ,
siendo su intervalo de confianza del 95% de la forma:
³ ³ ´´
exp cβ̂ ± 1.96 |c| ee β̂
Para una explicación más detallada puede verse Hosmer y Lemeshow
(1999).
5.6 Ejemplo 5.1

Este ejemplo es continuación del del ejemplo 4.1. En este capı́ se
presentará lo relativo al modelo de Cox.
5.6.1 Ajuste del modelo de Cox

Ajustemos un modelo de Cox con diabetes, edad e ı́ndice de quetelet
como covariables y asignemos el ajuste al objeto con nombre cox1,
esto lo hacemos, mediante la instrucción:
> cox1< −coxph(Surv(meses,censor2)∼diabetes + edad + quetelet,

data=dpa, na.action=na.exclude)
Y al ejecutar el comando print(cox1) (o simplemente cox1), con

lo que obtenemos el siguiente resultado:
Call:
coxph(formula = Surv(meses, censor2)∼diabetes + edad + quetelet,
data = dpa, na.action = na.exclude)
coef exp(coef) se(coef) z p

diabetes 0.5491 1.732 0.3208 1.71 0.0870
edad 0.0315 1.032 0.0097 3.25 0.0011
quetelet -0.0969 0.908 0.0389 -2.49 0.0130
Likelihood ratio test=18.8 on 3 df, p=0.000308 n=233 (13 obser-
vations deleted due to missing)
Que es una salida en donde la significación del modelos puede ver-

ificarse sólo a través del método de la razón de verosimilitud. Una
salida más completa se presenta mediante la ejecución del comando
summary(cox1), la cual tiene la forma:
Call:
coxph(formula = Surv(meses, censor2) ∼ diabetes + edad + quetelet,
data = dpa, na.action = na.exclude)
n=233 (13 observations deleted due to missing)
coef exp(coef) se(coef) z p

diabetes 0.5491 1.732 0.3208 1.71 0.0870
edad 0.0315 1.032 0.0097 3.25 0.0011
quetelet -0.0969 0.908 0.0389 -2.49 0.0130
exp(coef) exp(-coef) lower .95 upper .95

diabetes 1.732 0.577 0.923 3.25
edad 1.032 0.969 1.013 1.05
quetelet 0.908 1.102 0.841 0.98
Rsquare= 0.077 (max possible= 0.892 )
Likelihood ratio test= 18.8 on 3 df, p=0.000308

Wald test = 19.4 on 3 df, p=0.000229
Score (logrank) test = 19.8 on 3 df, p=0.000184
Con la cual podemos concluir que el modelo es significativo cualquiera

de los tres criterios (test de razón de verosimilitud, test de Wald y
test de los puntajes (score o logrank)).
La salida anterior también nos permite verificar la significación de

cada uno de los coeficientes correspondientes a las covariables, ob-
servándose que el coeficiente correspondiente a diabetes es signi-
ficativo al 10%, el de la edad lo es al 1% y el del ı́ndice de Quetelet
lo es al 5%.
Otra información importante, obtenida directamente a través de

salida anterior es la estimación de los riesgos relativos (a partir
de los exp(coef)), con los cuales podemos decir que la presencia
de diabetes hace que la muerte tenga un riesgo de 1.732 veces el
riesgo de muerte de los no diabéticos. En cuanto a la edad, una
persona con una edad determinada tiene 1.032 veces el riesgo de
morir en relación a una persona una año menor, para esta covari-
able, la interpretación pudiera también darse en relación a quinque-
nios obteniéndose un riesgo relativo de 1.17=exp(5*0.0315). Final-
mente, al aumentar el ı́ndice de Quetelet en una unidad el riesgo se
hace 0.908 veces que la del menor valor.
Mediante el comando:
> summary(survfit(cox1))
Puede obtenerse la función de sobrevivencia ajustada mediante el

modelo de Cox, cuya salida es :
Call: survfit.coxph(object = cox1)

time n.risk n.event survival std.err lower 95% CI upper 95% CI

0 233 2 0.993 0.00516 0.983 1.000
3 220 2 0.985 0.00751 0.970 1.000
4 215 1 0.981 0.00847 0.965 0.998
5 209 1 0.977 0.00938 0.959 0.996
6 203 1 0.973 0.01024 0.953 0.993
7 196 1 0.969 0.01109 0.947 0.991
9 188 1 0.965 0.01195 0.941 0.988
10 183 1 0.960 0.01278 0.935 0.985
11 175 3 0.946 0.01520 0.917 0.976
12 166 1 0.941 0.01597 0.910 0.973
13 156 1 0.936 0.01678 0.904 0.970
14 148 4 0.915 0.01996 0.877 0.955
15 142 1 0.910 0.02069 0.870 0.951
17 133 3 0.893 0.02297 0.849 0.939
19 122 1 0.887 0.02378 0.841 0.935
20 117 2 0.874 0.02539 0.826 0.925
21 113 3 0.855 0.02768 0.802 0.911
22 108 3 0.835 0.02992 0.778 0.896
23 102 1 0.828 0.03068 0.770 0.890
25 92 1 0.820 0.03156 0.760 0.884
26 88 1 0.812 0.03249 0.751 0.878
28 79 1 0.803 0.03356 0.740 0.872
30 76 2 0.785 0.03566 0.718 0.858
31 73 4 0.747 0.03959 0.673 0.829
33 62 1 0.736 0.04074 0.660 0.820
34 58 1 0.725 0.04195 0.647 0.812
37 52 2 0.699 0.04474 0.616 0.792
39 49 1 0.685 0.04609 0.600 0.781
42 42 1 0.669 0.04781 0.582 0.770
47 37 1 0.652 0.04975 0.562 0.758
52 32 1 0.634 0.05207 0.539 0.744
55 30 1 0.614 0.05423 0.517 0.730
59 25 2 0.569 0.05965 0.463 0.699
60 21 1 0.544 0.06245 0.434 0.681
61 20 1 0.519 0.06474 0.406 0.663
65 17 1 0.490 0.06759 0.374 0.642
77 10 1 0.440 0.07749 0.311 0.621
96 6 1 0.356 0.09776 0.208 0.610
110 3 1 0.224 0.12059 0.078 0.643
También puede obtenerse la gráfica correspondiente, pero en esta

ocasión graficaremos la función de sobrevivencia obtenida mediante
el estimado de Kaplan y Meier y la obtenida mediante el modelo
de Cox, esto lo podemos hacer mediante los comandos:
> plot(survfit(cox1),conf.int=FALSE,main=”Gráfico
No. 3. Comparación del ajuste del modelo de Cox \n y el estimador
de KM”,xlab=”Meses”,ylab=”Supervivencia”)
> lines(km1,lty=2)
> legend(70,0.9,legend=c(”Ajuste por Cox”,”Estimador de KM”),
lty=c(1,2))
Obteniéndose la gráfica:
Gráfico No. 3. Comparación del ajuste del modelo de Cox

y el estimador de KM
1.0
Ajuste por Cox

0.8
Estimador de KM
0.6
Supervivencia
0.4
0.2
0.0
0 20 40 60 80 100
Meses
Pudiéndose observar que el ajuste del modelo de Cox es sistemáticamente

superior a la función de sobrevivencia de Kaplan y Meier.
5.6.2 Verificación de los supuestos del modelo

de Cox
Supuesto de riesgos proporcionales:
El supuesto de riesgos proporcionales puede ser verificado mediante
el contraste de hipótesis generado mediante el comando:
> cox.zph(cox1)
del cual se obtiene la salida:
rho chisq p
diabetes 0.0357 0.0808 0.776
edad 0.1165 1.0519 0.305
quetelet -0.0540 0.2278 0.633
GLOBAL NA 1.3791 0.710
De donde se concluye de que no existe evidencia significativa al
5% de que se viole el supuesto de riesgos proporcionales, ni desde
el punto de vista global, ni para cada covariable.
Para cada una de las covariables también pueden obtenerse los

gráficos para los betas. Para la Variable diabetes, el gráfico cor-
respondiente se obtiene mediante el comando:
> plot(cox.zph(cox1),var=1,main=”Gráfico No.4. Betas para diábetes”)
Y toma la forma:
Gráfico No.4. Betas para diábetes

6
4
Beta(t) for diabetes
2
0
−2
9.9 19 26 33 48 60 72 100
Time
Para la variable edad, el código se escribe como:
> plot(cox.zph(cox1),var=2,main=”Gráfico No.5. Betas para edad”)
Y el gráfico es:
Gráfico No.5. Betas para edad

0.20
0.15
0.10
Beta(t) for edad
0.05
0.00
−0.05
−0.10
9.9 19 26 33 48 60 72 100
Time
Y para la variable ı́ndice de Quetelet, el comando es:
> plot(cox.zph(cox1),var=3,main=”Gráfico No.6. Betas para ı́ndice

de Quetelet”)
Y el gráfico es:
Gráfico No.6. Betas para índice de Quetelet

1.0
0.5
Beta(t) for quetelet
0.0
−0.5
9.9 19 26 33 48 60 72 100
Time
Residuos tipo deviance:
Los residuos tipo deviance pueden generarse a través del comando:
> plot(resid(cox1,type=”deviance”),xlab=”indice”,ylab=”residuos
(tipo desvio)”, main=”Gráfico No. 7. Residuos (tipo deviance)”)
Los cuales generan el gráfico:

Gráfico No. 7. Residuos (tipo deviance)

3
2
residuos (tipo desvio)
1
0
−1
−2
0 50 100 150 200 250
Indice
Y en cual se evidencia que no existe ningún individuo que esté

influenciando en el ajuste del modelo.
Gráficos de influencias sobre la estimación de cada coefi-

ciente:
Estos gráficos se obtienes utilizando los residuos dfbetas. Para el
caso de diabetes, el gráfico se genera a través de los comandos:
> rr< −resid(cox1,type=”dfbeta”)

> attach(dpa) > plot(diabetes, rr[,1], xlab=”diabetes”, ylab=”Influencia
para diabetes”, main=”Gráfico No. 8. Gráfico de influencias
para diabetes”)
Gráfico No. 8. Gráfico de influencias para diabetes

0.05
Influencia para diabetes
0.00
−0.05
−0.10
−0.15
0.0 0.2 0.4 0.6 0.8 1.0
diabetes
Para la variable edad, el gráfico se obtiene mediante el comando:

> plot(edad,rr[,2],xlab=”edad”,ylab=”Influencia para edad”, main=
”Gráfico No. 9. Gráfico de influencias para edad”)
del cual se obtiene el siguiente gráfico:

Gráfico No. 9. Gráfico de influencias para edad

0.001
0.000
Influencia para edad
−0.001
−0.002
0 20 40 60 80
edad
Finalmente, para el ı́ndice de Quetelet, se obtiene mediante el co-

mando:
> plot(quetelet,rr[,3],xlab=”ı́ndice de Quetelet”,ylab=”Influencia

para ı́ndice de Quetelet”,main=”Gráfico No. 10. Gráfico de
influencias \n el ı́ndice de Quetelet”)
Con el cual se genera el gráfico:

Gráfico No. 10. Gráfico de influencias

el índice de Quetelet
0.015
Influencia para índice de Quetelet
0.010
0.005
0.000
−0.005
15 20 25 30 35 40 45
índice de Quetelet
Pudiéndose observar que existe un individuo que esta influenciando

sobre la estimación del coeficiente correspondiente al ı́ndice de Quetelet.
Forma funcional de las variables continuas

La adecuacidad de la forma funcional para la variable edad puede
ser verificada a través de los residuos de martingala, mediante el
siguiente código:
> cox1.0< −coxph(Surv(meses,censor2)∼1,data=dpa,

na.action=na.exclude)
> rr< −resid(cox1.0)
> plot(dpa$edad,rr,xlab=”Edad”,ylab=”Residuos de martingala”,
main=”Gráfico No. 11. Verificacion de la forma funcional para edad”)

> lines(lowess(dpa$edad,rr,iter=0))
Gráfico No. 11. Verificacion de la forma funcional para edad

1.0
0.5
Residuos de martingala
0.0
−0.5
−1.0
−1.5
0 20 40 60 80
Edad
Observándose una forma funcional adecuada para la variable edad.
Para el caso de la variable ı́ndice de Quetelet, la adecuacidad de la

forma funcional se puede verificar mediante los siguientes coman-
dos:
> dpa.nq< − na.omit(dpa[, c(”meses”,”censor2”,”diabetes”, ”edad”,

”quetelet”)])
> cox.nq.0< −coxph(Surv(meses,censor2) 1,data=dpa.nq)

> rr< −resid(cox.nq.0)
> plot(dpa.nq$quetelet,rr,xlab=”quetelet”,ylab=”Residuos de
martingala”, main=”Gráfico No. 12. Verificacion de la forma
funcional \n el ı́ndice de quetelet”)
> lines(lowess(dpa.nq$quetelet,rr,iter=0)
el cual genera el siguiente gráfico:
Gráfico No. 12. Verificacion de la forma funcional

el índice de quetelet
1.0
0.5
Residuos de martingala
0.0
−0.5
−1.0
15 20 25 30 35 40 45
quetelet
En el que se observa que la forma funcional para el ı́ndice de

Quetelet parece ser adecuada.
Capı́tulo 6
Modelos de regresión
paramétricos
Otra forma de modelar las funciones de riesgo es a través de los

modelos de regresión paramétricos. Los modelos de regresión paramétricos
se basan en diversas familias de distribuciones comúnmente uti-
lizadas, principlmente en Ańalisis de Confiabilidad y son de uso
com’n en el área de la industria.
Existe un conjunto de distribuciones que estaán basadas en para-

metros de localización y escala. Algunas distribuciones de este tipo
han ampliamente estudiadas en la literatura estadı́stica como lo
son: la distribucción exponencial, la Weibull, la Normal o Gaus-
siana, la Logı́stica, la Lognormal y la Loglogı́stica. Los modelos de
regresin basados en estas distribuciones se encuetran disponibles en
casi todos los paquetes estadı́sticos, incluyendo el Lenguaje R.
Existen otras familas de distribuciones basadas en paramétros de

localizacin y escala, cuya regresión no está disponible facilmente
en los software estadı́sticos pero que con algunas manipulaciones
pueden ser modeladas a través de algunas herramientas, entre las
63
que se encuentra el Lenguaje R. Estas distribuciones incluyen: la

distribución valor extremo más pequeño y la distribución valor ex-
tremo más grande.
Otras familas de distribuciones paramétricas utilizadas en modelos

de regresión paramétricos son: la distribución Gamma, la Gamma
generalizada, la Gamma generalizada extendida, le F gereralizada,
la Gaussiana inversa, la de Birnbaum-Saunders, la Gompertz-Makeham,
entre otras.
Para un estudio detallado puede consultarse los textos de Miller

(1982), Kalbfleisch y Prentice (2002) o Lawless (2003). Un estudio
más detallado es presentado en Meeker y Escobar (1998).
Las distribuciones paramétricas utilizadas en los modelos de re-

gresión estudiadas en el análisis de sobrevivencia en en confiabili-
dad, también son abordadas en detalle en textos relacionados con
distribuciones, veáse por ejemplo los textos de Johnson, Kotz y
Balakrishnan (1994, 1995).
6.1 Caracterı́sticas de algunos modelos

paramétricos
En esta sección describiremos caracterı́sticas de algunas distribu-

ciones de uso común en modelos paramétricos, dedicándonos al es-
tudio de las familias de distribuciones de localización y escala. Los
gráficos asociados a estas distribuciones pueden verse en el texto de
Meeker y Escobar, igualmente pueden verse las caracterı́sticas de
otras distribuciones.
6.1.1 Distribuciones de localización y escala.

Una variable aleatoria Y pertenece a la familia de distribuciones de
localización y escala si su función de distribución puede ser expre-
sada como:
³ ´
y−µ
F (y; µ, σ) = P (Y ≤ y) = Φ σ
donde:
Φ no depende de un parámetro desconocido.
−∞ < µ < ∞ es un parámetro de localización.
σ es un parámetro de escala.
La familia de distribuciones de localización y escala son impor-

tantes entre otras cosas debido a que la inferencia y el software
computacional de estas distribuciones pueden ser aplicados con rel-
ativa facilidad a cualquier miembro de la familia.
Algunos miembros de esta familia se describen en las siguientes

subsecciones.
Distribución exponencial de dos parámetros:

Se dice que la variable aleatoria T se distribuye como una exponen-
cial de parámetro de localización γ y parámetro de escala λ1 > 0 ,
coincidiendo este con la esperanza, si sus funciones de distribución,
densidad y riesgo toman las expresiones:
F (t; λ, γ) = 1 − e−(t−γ)λ
f (t; λ, γ) = λe−(t−γ)λ y,
h (t; λ, γ) = λ
Es fácil observar que si γ = 0, la distribución anterior es la expo-

nencial de un parámetro, descrita en la siguiente subsección.
Distribución exponencial de un parámetro:

Se dice que la variable aleatoria T se distribuye como una expo-
nencial de parámetro λ > 0 si su función de densidad toma la
expresión:
f (t; λ) = λe−λt
de donde, la función de sobrevivencia toma la forma:

R∞
S (t; λ) = t f (u) du = e−λt
y la función de riesgo es:

f (t) λe−λt
λ (t; λ) = S(t)
= e−λt
=λ
de donde se puede asumir que el modelo exponencial es de riesgo

constante.
por lo tanto, la función de riesgo acumulada es:

Rt
Λ (t; λ) = λ (u) du = λt
0
Distribución Weibull:
El modelo Weibull es una generalización del modelo exponencial. Se
dice que la variable aleatoria T se distribuye como una exponencial
de parámetros α > 0 y λ > 0 si su función de densidad toma la
expresión:
α
f (t; λ, α) = αλ (λt)α−1 e−(λt)
por lo tanto, la función de sobrevivencia es:

R∞ α
S (t; λ, α) = f (u) du = e−(λt)
t
y la función de riesgo es:

α
αλ(λt)α−1 e−(λt)
λ (t; λ, α) = f (t)
S(t)
= e−(λt)
α = αλ (λt)α−1
y la función de riesgo acumulada toma la forma:

Rt
Λ (t; λ, α) = λ (u) du = (λt)α
0
Puede notarse que la distribución de Weibull pertenece a la fa-

milia de localización y escala con parámetro de escala λ1 y α es un
parámetro de forma.
Distribución normal:
Se dice que la variable aleatoria T se distribuye como una normal
de parámetros µ y σ 2 . Las funciones de distribución y densidad
toman la forma:
³ ´
t−µ
F (t; µ, σ 2 ) = Φnor σ
³ ´
t−µ
f (t; µ, σ 2 ) = σ1 φnor σ
donde:
³ .√ ´
2π e−(z /2) es la función de densidad de la normal
2
φnor (z) = 1
estándar y,
Rz
Φnor = −∞ φnor (w) dw es la función de distribución de la normal
estándar.
Puede observarse que para la distribución normal, −∞ < µ < ∞

es un parámetro de localización y σ > 0 es un parámetro de escala.
Distribución Lognormal:
Decimos que la variable aleatoria T se distribuye como una Lognor-
mal de parámetros µ y σ 2 si su logaritmo se distribuye como una
normal de parámetros µ y σ 2 .
Las funciones de distribución y de densidad de la distribución Log-

normal toman las expresiones:
h i
log(t)−µ
F (t; µ, σ 2 ) = Φnor σ
y,
h i
1 log(t)−µ
f (t; µ, σ 2 ) = φ
σt nor σ
En esta distribución, la mediana (eµ ) es una parámetro de escala y

σ es una parámetro de forma.
Distribución valor extremo más pequeño:

Se dice que una variable aleatoria T se distribuye como una dis-
tribución de valor extremo más pequeño de parámetros µ y σ si sus
funciones de distribución, de densidad y de riesgo toman la forma:
³ ´
t−µ
F (t; µ, σ) = Φsev σ
,
³ ´
t−µ
f (t; µ, σ) = σ1 φsev σ
y,
h (t; µ, σ) = σ1 e( )
t−µ
σ
donde:
z
Φsev (z) = 1 − e−e es la función de distribución de la distribución
valor extremo más pequeño estándar.
z)
φsev (z) = e(z−e es la función de densidad de la distribución valor
extremo más pequeño estándar.
Puede observarse que para la distribución valor extremo más pequeño,

−∞ < µ < ∞ es un parámetro de localización y σ > 0 es un
parámetro de escala.
Distribución valor extremo más grande:

tribución de valor extremo más grande de parámetros µ y σ si sus
funciones de distribución, de densidad y de riesgo toman la forma:
³ ´
t−µ
F (t; µ, σ) = Φlev σ
,
³ ´
t−µ
f (t; µ, σ) = σ1 φlev σ
y,
− σ )
( t−µ
h (t; µ, σ) = ·e ¸
−( σ )
t−µ
e −1
σe
donde:
z
Φlev (z) = e−e es la función de distribución de la distribución valor
extremo más grande estándar.
z
φlev (z) = e(−z−e ) es la función de densidad de la distribución valor
extremo más grande estándar.
Puede observarse que para la distribución valor extremo más grande,

−∞ < µ < ∞ es un parámetro de localización. Y σ > 0 es un
parámetro de escala.
Distribución Logı́stica:
tribución Logı́stica de parámetros µ y σ si sus funciones de dis-
tribución, de densidad y de riesgo toman la forma:

³ ´
t−µ
F (t; µ, σ) = Φlog is σ
,
³ ´
t−µ
f (t; µ, σ) = σ1 φlog is σ
y,
³ ´
t−µ
h (t; µ, σ) = σ1 Φlog is σ
donde:
ze
Φlog is (z) = 1+e z es la función de distribución de la distribución
logı́stica estándar.
e z
φlog is (z) = (1+e z )2 es la función de densidad de la distribución
logı́stica estándar.
Puede observarse que para la distribución logı́stica, −∞ < µ < ∞

es un parámetro de localización. Y σ > 0 es un parámetro de escala.
Distribución Loglogı́stica:
Se dice que la variable aleatoria T se distribuye como una dis-
tribución Loglogı́stica de parámetros µ y σ si log (T ) se distribuye
como una logı́stica de parámetros µ y σ y, sus funciones de dis-
tribución, de densidad y de riesgo toman la forma:
³ ´
log(t)−µ
F (t; µ, σ) = Φlog is σ
,
³ ´
1 log(t)−µ
f (t; µ, σ) = φ
σt log is σ
y,
³ ´
1 log(t)−µ
h (t; µ, σ) = Φ
σt log is σ
En la distribución Loglogı́stica, la mediana (eµ ) es una parámetro

de escala y σ es una parámetro de forma.
6.2 Estimación de los modelos paramétricos

Para el caso de que no exista censura, el problema de estimación
de los parámetros de los modelos paramétricos se hace a través de
los métodos clásicos, entre los que destaca el método de máxima
verosimilitud.
Para el caso de presencia de censura, hay una parte de la verosimili-

tud que es aportada por los eventos observados y otra por los datos
censurados y se utiliza también el método de máxima verosimili-
tud los cuales pueden ser resueltos a través del método iterativos,
entre los que se encuentran, el método de Newton y Raphson y
el método de la cantidad de información de Fisher (Miller, 1982,
Lawless, 2003).
6.2.1 Caso general

Para obtener la estimación máximo verosı́mil se asume que para
cada observación i, el par (yi , δi ) tiene la verosimilitud:
(
f (yi ) si δi = 1 (evento observado)
L (yi , δi ) =
S (yi ) si δi = 0 (dato censurado)
y la verosimilitud de la nuestra aleatoria completa de tamaño n
viene dada por :
n
µ ¶µ ¶
Q Q Q
L = L (yi , · · · , yn , δi , · · · , δn ) = L (yi , δi ) = f (yi ) S (yi )
i=1 u c
donde los subı́ndices u y c representan los eventos observados y los
datos censurados de la muestra aleatoria.
6.2.2 Estimación para las distribuciones de lo-

calización y escala
Para el caso de la familia de distribuciones de localización y escala,
la maximización se hace a través de la expresión de la función de
verosimilitud de acuerdo a la siguiente expresión:

n h
Q ³ í h ³ í
1 ti −µ δi ti −µ 1−δi
L (µ, σ) = σ
φ σ
1 − Φ σ
i=1
Para más detalles puede verse el texto de Meeker y Escobar (1998).
6.3 Identificación del modelo paramétrico

más adecuado
La identificacón del modelo paramétrico más adecuado es una asunto
que requiere de cierto entrenamiento, en muchos caso se harı́a com-
parando la función de riesgo empı́rica con la función de riesgo
teórica (pueden usarse también las funciones de distribuciones o
las funciones de densidad). Estas fuciones se encuentran graficadas
en algunos libros, como por ejemplo el de Meeker y Escobar (1998).
Sin embargo, estas comparaciones visuales son a menudo riesgosas

y en algunos casos no puede identificarse una única distribución re-
quiriéndose pruebas más refinadas como las de bondad de ajuste o
el ploteo de probabilidad como el presentado en Meeker y Escobar
(1998). Lamentablemente este tipo de gráficos no ha sido imple-
mentado en el Lenguaje R.
En S-PLUS (Insightful Corporation, 2001) existe una libreria lla-

mada SLIDA desarrollada por Meeker y Escobar (1998), que per-
mite construir con facilidad este tipo de gráficos.
6.3.1 Algunos gráficos que permiten identificar

modelos paramétricos
Existen algunos gráficos sencillos que permiten identificar algunos
modelos paramétricos. A continuación se presentan los más cono-
cidos:
Modelo exponencial:
El modelo exponencial puede identificarse si al graficar la función de
riesgo estimada λ̂ (t) versus el tiempo t se observa aproximadamente
una lı́inea recta horizontal.
Modelo Weibull
El modelo Weibull puede identificarse al:
i) Observar una lı́nea recta que corta en el origen al graficar − log Ŝ (t)
versus el tiempo t, donde Ŝ (t) es la función de sobrevivencia esti-
mada.
h i
ii) Obtener una lı́nea recta al graficar log − log Ŝ (t) versus el
tiempo log (t).
Modelo Lognormal
El modelo Lognormal puede identificarse al:
h i
i) Obtener una lı́nea recta al graficar Φ−1 1 − Ŝ (t) versus log (t)
, donde Φ () es la funcı́on de distribución de una normal estándar.
h³ . í
ii) Obtener una lı́nea recta al graficar log 1 − Ŝ (t) Ŝ (t) versus
log (t).
Modelo Loglogı́stico
El modelo Loglogı́stico
h i puede observarse al obtener una lı́nea recta
al graficar Logit Ŝ (t) versus log (t).
Para más detalles puede verse los textos de Allison (1995) O Miller
(1982).
Criterio de los residuos de Cox y Snell
Collett (2003) propone la técnica de análisis de residuos de Cox y

Snell, definidos como:
ei = − log S (ti |xi )
donde ti es el tiempo observado o de censura para cada individuo i

y xi es el vector de covariables para cada individuo i, como método
para determinar el modelo paramétrico.
6.4 Modelo paramétrico versus modelo

de Cox
La escogencia del modelo de análisis de supervivencia más adecuado
aún es un problema no resuelto.
Sin embargo, dependiendo de los propósitos de la investigación o

el estudio pudiera ser más adecuado un modelo paramétrico o un
modelo de Cox.
Si lo que se pretende es comparar riesgos entre distintos niveles de

las covariables, que suele suele ser el inteés de los estudios médicos,
probablemente sea más adecuado utilizar un modelo de Cox.
Si el interés esta basado en obtener informaciones asociadas con

parámetros como medias, varianzas, entre otras, como suele ser el
interés en el área de la industrı́a, probablemente se recomiende el
uso de un modelo paramétrico.
Nardi y Schemper (2003) plantean una intersante discusión que

probalemente ayuden a la escogencia entre un modelo de Cox y un
modelo paramétrico.
6.5 Ejemplo 6.1

En esta sección tomaremos como base el objeto cox1 del ejemplo
5.1.
6.5.1 Cálculo de la función de riesgo

Con la librerı́a (package) survival no es posible determinar la función
de riesgo por lo que nos valdremos de un artificio.
Consideremos, la función de riesgo estimada definida mediante:

fˆ(t)
λ̂ (t) = Ŝ(t)
La cual puede usarse, sin ningún problema, para el caso del tiempo
continuo.
Ahora bien, para el caso discreto, en el tiempo ti , la función de

masa de probabilidad puede estimarse mediante:
fˆ (ti ) = Ŝ (ti−1 ) − Ŝ (ti )
Y la función de sobrevivencia en el tiempo ti se estima mediante

Ŝ (ti ).
Por consiguiente, la función de riesgo para el caso discreto, puede

estimarse mediante:
Ŝ(ti−1 )−Ŝ(ti )
λ̂ (ti ) = Ŝ(ti )
Que es la función que utilizaremos y que podemos calcular medi-

ante los comandos:
> # Determinacion del modelo parametrico mas adecuado:

> # Aislamiento de la funcion de sobrevivencia del objeto cox1 (surv1):
> surv1< −survfit(cox1)$surv
> # Aislamiento del tiempo del objeto cox1 (time1):
> time1< −survfit(cox1)$time > # Creacion del objeto donde se va
a almacenar la funcion de riesgo (haz1):
> haz1< −rep(0,length(surv1))
> # Calculo de la funcion de riesgo:
> for (i in 2:length(surv1)) {haz1[i]< −(surv1[i-1]-surv1[i])/surv1[i]}
Pero en la función de riesgo anterior sobra el primer valor, que no

ha sido calculado y, al eliminar este valor, también hay que eliminar
el primer valor del tiempo, esto se hace a través de los comandos:
> # Eliminacion del primer termino de haz1

(no calculado y con valor igual a cero en este caso):
> haz1< −haz1[haz1>0]
> # Eliminacion del primer termino de surv1
(en este caso el valor es igual a cero, hay que verificar antes):
> time1< −time1[time1>0]
6.5.2 Gráfico para identificar el mejor modelo

paramétrico
La determinación del mejor modelo paramétrico lo podemos hacer
graficando la función de riesgo estimada versus el tiempo conjun-
tamente con la curva suavizada, esto lo podemos hacer con los
comandos:
> # Grafico (ploteo) de haz1 versus time1:

> plot(time1,haz1,main=”Gráfico No. 13. Ploteo de haz1
versus time1 con curva suavizada”)

> # Curva suavizada del grafico de haz1 versus time1:
> lines(lowess(time1,haz1,iter=0))
Gráfico No. 13. Ploteo de haz1 versus time1 con curva suavizada
0.6
0.5
0.4
haz1
0.3
0.2
0.1
0.0
0 20 40 60 80 100
time1
Y observando el Gráfico No. 13 y comparándolo con la galerı́a de

funciones de riesgos de los modelos paramétricos teóricos (Meeker y
Escobar, 1998), se pudiera pensar que el mejor modelo paramétrico
es el Gaussiano o Normal, que es el modelo que utilizaremos en la
siguiente sección.
6.5.3 Ajuste del modelo paramétrico

El modelo paramétrico más adecuado (Gaussiano o Normal), lo
ajustamos utilizando el comando:
> survreg1< −survreg(Surv(meses,censor2)∼diabetes + edad

+ quetelet, data=dpa, na.action=na.exclude, dist=”gaussian”)
Y con el comando survreg1 (o print(survreg1)) se obtiene la sigu-

iente salida:
Call:
survreg(formula = Surv(meses, censor2) ∼ diabetes + edad + quetelet,
data = dpa, na.action = na.exclude, dist = ”gaussian”)
Coefficients:
(Intercept) diabetes edad quetelet
42.0167886 -14.3060760 -0.6283562 2.0560862
Scale= 32.4998
Loglik(model)= -339.4 Loglik(intercept only)= -347.7

De la salida anterior podemos ontener los coeficientes estimados

para el modelo paramétrico, el parámetro de escala y la signifi-
cación del modelo, es este caso concluimos que el modelo Gaussiano
es significativo (al 10%).
A través del comando summary(survreg1) se obtiene la salida:
Call:
survreg(formula = Surv(meses, censor2) ∼ diabetes + edad + quetelet,
data = dpa, na.action = na.exclude, dist = ”gaussian”)
Value Std. Error z p

(Intercept) 42.017 18.5536 2.26 0.02354
diabetes -14.306 8.0440 -1.78 0.07533
edad -0.628 0.2204 -2.85 0.00436
quetelet 2.056 0.8345 2.46 0.01374
Log(scale) 3.481 0.0888 39.22 0.00000
Scale= 32.5
Gaussian distribution
Loglik(model)= -339.4 Loglik(intercept only)= -347.7
Number of Newton-Raphson Iterations: 4
De donde obtenemos la información para determinar si cada una

de las covariables es significativa en el modelo. En este caso con-
cluimos que diabetes, edad e ı́ndice de Quetelet son significativos
para un nivel del 10%.
Utilizando el comando names(survreg1) pueden observarse todos

los componentes del objeto survreg1.
Adicionalmente, podrı́amos hacer predicciones o análisis de resid-

uos, pero esto no será tratado en este curso.
Referencias
[1] Allison, P.D. (1995). Survival Analysis Using the SAS°

R Sys-
tem: A Practical Guide. Cary, NC.: SAS Institute, Inc.
[2] Andersen, P.K., Borgan, Ø., Gill, R.D. y Keiding, N.
(1993). Statistical Models Based on Counting Processes. N.Y.:
Springer-Verlag.
[3] Borges, R. (2002). Análisis de Supervivencia Aplicado a
un Caso de Diálisis Renal: Diálisis Peritoneal en el Hos-
pital Clı́nico Universitario de Caracas y Hemodiálisis en
el Hospital de Clı́nicas Caracas, 1980-2000. Tesis para
obtener el grado de M. Sc. En Estadstica Aplicada, Mérida:
Instituto de Estadı́stica Aplicada y Computación, ULA.
(Disponible en http://tesis.saber.ula.ve/theses/available/etd-
06202003-171618/).
[4] Collett, D. (2003). Modelling Survival Data in Medical Re-
search, 2da. Edicı́on. Boca Ratón: Chapman & Hall.
[5] Cox, D.R. (1972). Regression models and life tables (with dis-
cussion). Journal of the Royal Statistical Society: Series B, 34:
187-220.
[6] Fleming, T.R. y Harrington, D.P. (1984). Nonparametric esti-
mation of the survival distribution in censored data. Commu-
nications in Statistics. Theory and Methods, 13: 2469-2486.
81
[7] Fleming, T.R. y Harrington, D.P. (1991). Counting Processes

and Survival Analysis. N.Y.: John Wiley & Sons, Inc.
[8] Greenwood, M. (1926). The natural duration of cancer. Reports

on Public Health and Medical Subjects, 33: 1-26, Londres: Her
Majesty’s Stationery Office.
[9] Harrington, D.P. y Fleming, T.R. (1982). A class of rank test

procedures for censored survival data. Biometrika, 69: 553-
566.
[10] Hosmer, D.W. y Lemeshow, S. (1999). Applied Survival Analy-

sis: Regression Modeling of Time to Event Data. N.Y.: John
Wiley & Sons, Inc.
[11] Insightful Corporation (2001). S-PLUS 6 for Windows Guide

to Statistics, Volume 2. Seattle, WA: Insightful Corporation,
Inc.
[12] Johnson, N.L., Kotz, S. y Balakrishnan, N. (1994). Continuous

Univariate Distributions, Volume 1, 2da Edición. N.Y.: John
Wiley & Sons, Inc.
[13] Johnson, N.L., Kotz, S. y Balakrishnan, N. (1995). Continuous

Univariate Distributions, Volume 2, 2da Edición. N.Y.: John
Wiley & Sons, Inc.
[14] Kalbfleisch, J.D. y Prentice, R.L. (2002). The Statistical Analy-

sis of Failure Time Data, 2da Edición. N.Y.: John Wiley &
Sons, Inc.
[15] Kaplan, E.L. y Meier, P. (1958). Nonparametric estimation

from incomplete observations. Journal of the American Statis-
tical Association, 53: 457-481.
[16] Klein, J.P. y Moeschberger, M.L. (1997). Survival Analysis:

Techniques for Censored and Truncated Data. N.Y.: Springer-
Verlag.
[17] Lawless, J.F. (2003). Statistical Models and Methods for Life-
time Data, 2da Edición. N.Y.: John Wiley & Sons, Inc.
[18] Meeker, W.Q. y Escobar, L.A (1998). Statistical Methods for

Reliability Data. N.Y.: John Wiley & Sons, Inc.
[19] Miller, R.G. (1981). Survival Analysis. N.Y.: John Wiley &
Sons, Inc.
[20] Nardi, A. y Schemper, M (2003). Comparing Cox and paramet-

ric models in clinical studies. Statistics in Medicine, 22:3597-
3610.
[21] Nelson, W.(1969).Hazard plotting for incomplete failure data.

Journal of Quality Technology, 1: 27-52.
[22] R Development Core Team (2005). R: A language and environ-

ment for statistical computing. Vienna, Austria: R Foundation
for Statistical Computing.
[23] S original by Terry Therneau and ported by Thomas Lumley

(2005). survival: Survival analysis, including penalised likeli-
hood. (R package version 2.17)
[24] Therneau, T.M. y Grambsch, P.M. (2000). Modeling Survival

Data: Extending the Cox Model. N.Y.: Springer-Verlag.
[25] Therneau, T.M., Grambsch, P.M. y Fleming, T.R. (1990).

Martingale-based residuals for survival models. Biometrika,
77: 147-160.

Paipa REBP

Cargado por

Copyright:

Formatos disponibles

Paipa REBP

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Paipa REBP

Cargado por

Copyright:

Formatos disponibles

Análisis de Sobrevivencia

Rafael Eduardo Borges Peña2

Simposio de Estadı́stica 2005

1 Trabajo financiado a través del Consejo de Desarrollo Cientı́fico,

cias Económicas y Sociales, Universidad de Los Andes, Mérida 5101,

Este material ha sido elaborado para el cursillo titulado ”Análisis

El presente material ha sido dividido en capı́tulos claramente difer-

En el primer capı́tulo se presenta una breve introducción al Lenguaje

En el segundo capı́tulo se presentan los recursos disponibles en el

El tercer capı́tulo presenta una visión introductoria del análisis de

supervivencia en el cual se presenta mecanismos de censura y trun-

En el cuarto capı́tulo, se presentan métodos de estimación de la

En el quinto capı́tulo se estudia el modelo de regresión de Cox

El sexto capı́tulo introduce los modelos paramétricos, estimación

Finalmente debemos enfatizar que este es un material que este cur-

2 Análisis de sobrevivencia utilizando el lenguaje R 9

2.1.3 La función survdiff . . . . . . . . . . . . . . 13

3 Introducción al análisis de sobrevivencia. 19

4 Estimación de la función de sobrevivencia 25

5 El modelo de regresión de Cox 39

5.4 Estudio de residuos en el análisis de supervivencia . 43

6 Modelos de regresión paramétricos 63

El lenguaje R es un lenguaje de computación formal diseñado para

El lenguaje R puede ser considerado como un programa orientado

El lenguaje R puede ser utilizado de manera interactiva, pudiéndose

Es además, un lenguaje con mucho potencial para el desarrollo de

completamente resuelta, también existe la posibilidad de comuni-

El Lenguaje R es una iniciativa de desarrollo escrito inicialmente

Recientemente (18 de Abril de 2005), fue liberada la versión 2.1.0

Otra ventaja del lenguaje R es la gran cantidad de paquetes con-

1.1 Instalación del lenguaje R.

1.2 Instalación de los paquetes adicionales.

Un aspecto interesante es que los paquetes que han sido instala-

1.3 Ayudas y documentación del R.

A través de la lı́nea de comandos pueden utilizarse las instrucciones:

help(”topico”) para obtener ayuda acerca del tópico especı́fico, el

La instrucción help.search(”tópico”) es más flexible porque se re-

Las dos opciones anteriores también están disponibles a través del

En el menu Help también están disponibles una excelente ayuda

Otra forma de ayuda son los manuales en formato pdf, teniendo

Existe también una serie de documentación no oficial de R que está

1.4 Acceso a datos internos disponibles.

paquetes disponibles en el R que se está trabajando puede verse

1.5 Acceso a datos externos disponibles.

También existen facilidades para importar (y exportar) datos desde

1.6 La opción de asignación.

Nombre.del.objeto< −(función u objeto generado)

1.7 Verificación de objetos disponibles.

1.8 Eliminación de objetos no deseados.

1.9 R diferencia las mayúsculas de las

1.10 Datos faltantes en R.

que aparezca el la lı́nea de comando a la derecha de #.

1.12 Creación de datos en R.

Otra opción es la creación de vectores por separado y unirlos por

Otra forma de crear datos es crearlos con un software externo, por

1.13 Carga y descarga de objetos.

1.14 Envı́o de gráficos a otros progra-

1.15 Salida del lenguaje R.

El análisis de sobrevivencia en el lenguaje R puede hacerse a través