Calcul de l’espérance avec la fonction de survie
Calculez l’espérance d’une durée à partir d’une courbe de survie en utilisant l’aire sous la fonction de survie. Cet outil est utile en biostatistique, fiabilité, assurance, épidémiologie et analyse du temps jusqu’à un événement.
Comprendre le calcul de l’espérance avec la fonction de survie
Le calcul de l’espérance à partir de la fonction de survie est une idée centrale en analyse de survie, en fiabilité et en modélisation du temps jusqu’à un événement. Lorsqu’on étudie une variable aléatoire positive T, qui représente par exemple une durée de vie, un temps avant panne, un temps jusqu’à rechute ou un délai avant défaut de paiement, on définit la fonction de survie S(t) = P(T > t). Cette fonction indique la probabilité qu’un individu, une machine ou un contrat soit encore “vivant” ou “non défaillant” au temps t.
Le résultat fondamental est le suivant : pour une variable positive, l’espérance s’obtient comme l’aire sous la courbe de survie. Formellement, on écrit E[T] = ∫ S(t) dt sur l’intervalle approprié. En temps discret, on emploie un équivalent sous forme de somme. Cette relation est très élégante, car elle permet de passer d’une courbe de survie observée ou estimée à une mesure moyenne de durée sans devoir repartir directement de la densité ou de la fonction de répartition.
Dans la pratique, cela sert à répondre à des questions concrètes : quelle est la durée moyenne de survie observée dans un essai clinique ? Quelle est la durée moyenne de fonctionnement d’un composant industriel ? Quelle est l’espérance de vie résiduelle après un âge donné ? Dans tous ces cas, le principe est le même : on additionne ou on intègre la probabilité d’être encore en vie à chaque instant.
La formule essentielle et son interprétation
Formule continue
Si T est une variable aléatoire positive continue, alors :
Espérance : E[T] = ∫0∞ S(t) dt
Ici, S(t) est la probabilité de survivre au-delà du temps t. L’interprétation géométrique est immédiate : plus la courbe de survie reste élevée longtemps, plus l’aire sous cette courbe est grande, donc plus l’espérance de durée est élevée.
Formule discrète
Lorsque les temps sont mesurés par périodes, par exemple en mois ou en années, une approximation discrète est souvent utilisée :
Approximation discrète : E[T] ≈ Σ S(ti) × Δti
Si les points de mesure sont réguliers, comme un relevé annuel, cette formule se simplifie. Si les intervalles sont irréguliers, il faut tenir compte de chaque largeur d’intervalle. L’outil ci-dessus fait précisément ce travail. Avec la méthode des trapèzes, il calcule l’aire de façon plus lisse entre deux points consécutifs. Avec la méthode du rectangle à gauche, il utilise la valeur de survie observée au début de chaque intervalle.
Pourquoi cette approche est si importante
L’utilisation de la fonction de survie pour calculer une espérance présente plusieurs avantages. D’abord, elle s’adapte très bien aux données censurées, fréquentes en médecine ou en assurance. Ensuite, elle donne une mesure intuitive : une aire sous une courbe. Enfin, elle permet de comparer des groupes même quand la forme de la distribution n’est pas simple ou n’appartient pas à une famille paramétrique standard.
- En médecine, elle aide à résumer la durée de survie moyenne observée.
- En ingénierie, elle mesure la durée moyenne avant panne.
- En assurance, elle permet d’évaluer des durées résiduelles et des engagements.
- En économie et en finance, elle sert à étudier les temps jusqu’au défaut ou à la sortie d’un état.
Il faut cependant distinguer l’espérance totale théorique et l’espérance tronquée observée. Si votre courbe s’arrête à un temps maximal sans atteindre zéro, l’aire calculée jusqu’au dernier point représente une espérance tronquée. Elle est très informative, mais elle ne correspond pas toujours à l’espérance complète de la variable si une partie de la queue de distribution n’est pas observée.
Comment utiliser le calculateur
- Saisissez les temps observés dans l’ordre croissant, séparés par des virgules.
- Saisissez les probabilités de survie correspondantes dans le même ordre.
- Choisissez le format des probabilités : 0 à 1, 0 à 100, ou détection automatique.
- Sélectionnez la méthode d’intégration souhaitée.
- Choisissez l’unité de temps pour l’affichage du résultat.
- Cliquez sur Calculer l’espérance.
L’outil vérifie la cohérence des données, convertit si besoin les pourcentages en probabilités, trace la courbe de survie et calcule l’aire sous la courbe. Il fournit également une estimation de la médiane lorsque la courbe franchit 50 %.
Exemple simple pas à pas
Supposons les points suivants, mesurés en années : 0, 1, 2, 3, 4, 5 et 6. Les probabilités de survie sont 1,00 ; 0,92 ; 0,85 ; 0,79 ; 0,72 ; 0,66 ; 0,60. Si l’on applique la méthode des trapèzes, on calcule l’aire de chaque intervalle. Entre 0 et 1, l’aire vaut environ (1,00 + 0,92) / 2 = 0,96. Entre 1 et 2, l’aire vaut (0,92 + 0,85) / 2 = 0,885, et ainsi de suite.
En additionnant toutes les aires, on obtient l’espérance observée sur l’intervalle 0 à 6. Si la courbe ne tombe pas à zéro au temps 6, le résultat doit être interprété comme une espérance tronquée à 6 ans. Cela reste très utile, notamment pour comparer des groupes ayant un même horizon de suivi.
Espérance, médiane et risque instantané : ne pas confondre
Beaucoup d’utilisateurs confondent trois notions différentes : l’espérance, la médiane et la fonction de risque. L’espérance est une moyenne, sensible à toute la distribution, y compris à la queue longue. La médiane est le temps auquel la survie passe sous 50 %. La fonction de risque, quant à elle, décrit l’intensité instantanée de l’événement parmi les survivants.
- Espérance : moyenne globale de durée, égale à l’aire sous la courbe de survie.
- Médiane : temps tel que S(t) = 0,5.
- Risque : vitesse instantanée de survenue de l’événement, conditionnellement à la survie jusqu’à t.
Deux courbes de survie peuvent avoir la même médiane mais des espérances différentes si la queue de distribution diffère. C’est pourquoi l’aire sous la courbe apporte une information complémentaire et souvent plus riche.
Tableau comparatif : espérance et médiane selon la forme de la survie
| Profil de survie | Comportement initial | Queue tardive | Impact sur la médiane | Impact sur l’espérance |
|---|---|---|---|---|
| Chute rapide puis plateau | Forte baisse au début | Relativement longue | Médiane souvent basse | Peut rester élevée grâce à la queue |
| Baisse régulière | Modérée | Modérée | Médiane intermédiaire | Espérance intermédiaire |
| Survie élevée puis chute tardive | Faible baisse | Courte après le point de rupture | Médiane élevée | Souvent élevée, mais dépend de la rupture |
Ce tableau illustre une idée importante : l’espérance ne dépend pas seulement du moment où l’on franchit 50 %, mais de toute la surface sous la fonction de survie. En analyse appliquée, il est donc souvent utile de regarder à la fois la médiane et l’espérance tronquée.
Statistiques réelles utiles pour contextualiser l’analyse de survie
Pour relier la théorie à des données concrètes, voici deux tableaux de référence issus de sources publiques reconnues. Ils montrent comment les notions de survie et d’espérance interviennent dans des contextes de santé publique très réels.
Tableau 1 : espérance de vie à la naissance aux États-Unis en 2022
| Population | Espérance de vie à la naissance | Source institutionnelle |
|---|---|---|
| Ensemble de la population | 77,5 ans | CDC / NCHS |
| Femmes | 80,2 ans | CDC / NCHS |
| Hommes | 74,8 ans | CDC / NCHS |
Ces chiffres rappellent qu’une espérance de vie n’est rien d’autre qu’une synthèse statistique de probabilités de survie observées à différents âges. Conceptuellement, elle se relie directement à l’aire sous la courbe de survie.
Tableau 2 : survie relative à 5 ans du cancer du sein féminin selon le stade SEER
| Stade | Survie relative à 5 ans | Source institutionnelle |
|---|---|---|
| Localisé | Environ 100 % | NCI / SEER |
| Régional | Environ 86 % | NCI / SEER |
| Distant | Environ 31 % | NCI / SEER |
| Tous stades confondus | Environ 91 % | NCI / SEER |
Une statistique de survie à 5 ans n’est pas une espérance, mais elle fait partie de la même famille d’outils. Une courbe de survie complète permet d’aller plus loin, notamment en calculant l’aire sous la courbe et donc une durée moyenne observée.
Applications concrètes du calcul de l’espérance via la survie
1. Essais cliniques et biostatistique
Dans un essai clinique, la courbe de Kaplan-Meier décrit la proportion de patients sans événement dans le temps. Lorsque le suivi n’est pas complet ou qu’il existe une censure administrative, l’espérance totale peut être difficile à estimer sans hypothèse supplémentaire. En revanche, l’aire sous la courbe jusqu’à une date prédéfinie fournit une mesure robuste appelée survie moyenne restreinte ou restricted mean survival time. Cette mesure est de plus en plus utilisée pour comparer des traitements.
2. Fiabilité industrielle
Pour des pompes, capteurs, batteries ou serveurs, la fonction de survie représente la probabilité qu’un composant fonctionne encore après un certain temps. L’espérance calculée par aire sous la courbe correspond à une durée moyenne de fonctionnement. Cela aide à planifier la maintenance, les garanties et les stocks de remplacement.
3. Assurance et actuariat
Les actuaires utilisent des tables de mortalité et des fonctions de survie pour évaluer les engagements futurs. Le calcul d’une espérance résiduelle à un âge donné se relie directement à l’intégrale de la survie conditionnelle. Cette logique intervient dans la tarification, les rentes viagères et l’évaluation des provisions techniques.
Pièges fréquents et bonnes pratiques
- Ne pas mélanger pourcentages et probabilités : 80 % doit être saisi comme 80 ou 0,80 selon le format choisi.
- Respecter l’ordre croissant des temps : une fonction de survie se lit chronologiquement.
- Surveiller la monotonie : en théorie, la survie ne doit pas augmenter.
- Interpréter correctement la fin du suivi : si la courbe ne descend pas à zéro, le résultat est souvent tronqué.
- Comparer à horizon fixe : pour des groupes différents, un même horizon d’intégration favorise une comparaison plus propre.
Une bonne habitude consiste à toujours visualiser la courbe en plus du résultat numérique. Deux jeux de données peuvent produire des espérances proches tout en ayant des profils de risque très différents. Le graphique du calculateur sert justement à vérifier l’allure de la survie et à repérer une anomalie de saisie.
Liens d’autorité pour approfondir
Pour aller plus loin, consultez ces ressources institutionnelles :
Conclusion
Le calcul de l’espérance avec la fonction de survie repose sur une idée simple et puissante : la durée moyenne correspond à l’aire sous la courbe de survie. Cette relation unit l’intuition graphique et la rigueur mathématique. Dans les données réelles, en présence de censure, d’horizons de suivi limités et d’intervalles irréguliers, une approximation numérique bien faite est indispensable. C’est précisément ce que permet le calculateur ci-dessus.
Si vous travaillez sur des données médicales, industrielles ou actuarielles, gardez en tête que l’espérance, la médiane et la forme complète de la courbe sont complémentaires. Une analyse solide combine les trois. En pratique, l’aire sous la fonction de survie reste l’un des indicateurs les plus utiles pour résumer l’expérience temporelle globale d’un groupe.