احتمال بقاء الموظف بعد سنة وسنتين | Kaplan–Meier ببايثون #5 Survival Analysis

موظف كمل سنة بالفعل؛ إيه احتمال إنه يكمل السنة التانية؟ وهل الاحتمال ده هو نفسه احتمال البقاء سنتين من يوم التعيين؟ في الحلقة الخامسة من سلسلة «تحليل البقاء ببايثون»، هنستخدم نموذج كابلان–ماير (Kaplan–Meier) عشان نستخرج احتمالات البقاء والمغادرة عند أوقات محددة، ونفهم البقاء المشروط (Conditional Survival) بطريقة بسيطة وعملية. في الحلقة هنتعلم: • إزاي نستخرج احتمال البقاء بعد 6 و12 و24 شهرًا. • إزاي نحسب احتمال المغادرة حتى وقت معين باستخدام: 1 − S(t) • الفرق بين احتمال المغادرة خلال أول سنتين واحتمال المغادرة في السنة التانية فقط. • إزاي نقرأ فترة الثقة 95% عند كل وقت. • الفرق بين احتمال البقاء وعدد الموظفين الموجودين تحت المتابعة. • إزاي نحسب احتمال إكمال السنة التانية بشرط إكمال السنة الأولى: S(24) ÷ S(12) في بيانات التطبيق، احتمال البقاء حتى الشهر 24 يساوي تقريبًا 78.56%. لكن بالنسبة لموظف أكمل أول 12 شهرًا بالفعل، احتمال إكمال السنة التانية يرتفع إلى حوالي 83.53%، وفق التقدير الجماعي للنموذج. 📓 ملف Google Colab: https://colab.research.google.com/dri... 📂 البيانات: https://github.com/Dr-Madeeh/HR-Analy... ▶️ الحلقة السابقة — فهم منحنى كابلان–ماير:    • كابلان ماير (Kaplan–Meier) ببايثون: إزاي ن...   📺 قائمة تشغيل تحليل البقاء ببايثون:    • جهّز بيانات الموظفين للتحليل ببايثون خطوة ...   النتائج في الحلقة تقديرات للمجموعة كلها، ومش توقعًا شخصيًا لموظف معين حسب راتبه أو وظيفته أو أدائه. هننتقل للتقديرات المبنية على خصائص الموظف في حلقات نموذج كوكس. ملاحظة منهجية: بنستخدم عمود المدة بافتراض تعليمي إنه يمثل عدد الشهور من الانضمام حتى المغادرة أو انتهاء المتابعة. في الحلقة الجاية هنقارن منحنيات البقاء بين مجموعات مختلفة، ونطبّق اختبار Log-Rank لمعرفة هل الفرق الظاهر بين المنحنيات له دلالة إحصائية. #تحليل_البقاء #كابلان_ماير #تحليلات_الموارد_البشرية