La función de supervivencia y las redes neuronales artificiales

Abstract

Hoy en día, las aplicaciones estadísticas computacionales incluyen módulos con técnicas avanzadas para el desarrollo de modelos que permiten simular el comportamiento de variables claves en la organización. El análisis de confiabilidad, o análisis de supervivencia, se define como un conjunto de técnicas que se encargan de analizar el tiempo transcurrido desde el origen bien definido hasta la ocurrencia de un evento de interés que ha sido previamente establecido; a su vez, una red neuronal artificial (RNA) puede ser definida como un modelo matemático cuya construcción se lleva a cabo mediante un proceso que imita el funcionamiento de las redes neuronales biológicas, y puede ser usada para modelar fenómenos que involucran alguna respuesta que depende de un conjunto de factores. Esta investigación aborda el análisis de supervivencia con técnicas de inteligencia artificial con la finalidad de estimar a partir de una RNA la función de supervivencia de Kaplan-Meier. Los resultados demuestran que los modelos de redes neuronales artificiales permiten el manejo de datos de supervivencia sin necesidad de imponer supuestos de partida en los mismos. Así queda evidenciado el potencial de las redes neuronales artificiales para evaluar la información parcial proveniente de un conjunto de datos censurados de supervivencia.