1.

Czas cigy
Dystrybuanta prawdopodobieostwo, e wydarzenie wystpi przed lub w czasie t
F(t)=P(T=<t)=

Funkcja gstoci przyrost prawdopodobieostwa na dugod przedziau, gdy dugod przedziau delta
x dy do 0
Mae f(t)=lim v delta t0 v ^ (P(t=<T<t+delta(t)))/ delta(t)
Funkcja doycia - prawdopodobieostwo, e wydarzenie nie wystpi przed czasem, czyli jednostka
pozostanie w stanie doycia(survival) a do czasu t; oznacza to, e wydarzenie kooczce epizod nie
wystpio i proces jest kontynuowany
S(t)=P(T>t)
Funkcja hazardu (intensywnoci lub ryzyka)
=

lim

0;

( =< < + | )
>0

Funkcj hazardu uwaa si za wskanik intensywnoci przejcia (graniczne prawdopodobieostwo

przejcia) w nieskooczenie maym przedziale czasu (t;t+delta t), zakadajc, e wydarzenie nie
wystpio przed koocem tego przedziau.
Dla dostatecznie maego przedziau czasu delta t iloczyn delta t * lambda(t) moe byd uwazany za
przyblione warunkowe prawdopodobieostwo
P(t=<T<t+delta (t)|Tt)~~ lambda(t)*delta(t)
Wskanik (funkcja) hazardu nie jest prawdopodobieotwem, poniewa wartoci, ktre przyjmuje
mog byd wysze od 1. Liwe i wynika z jego formuy, gdzie w mianowniku jest delta t. Wskanik ten
ma okrelon doln granic, ktr jest wartod 0, co oznacza, e hazard nigdy nie przyjmuje wartoci
ujemnych. Poniewa funkcja hazardu jest okrelona na warunkach ograniczonego
prawdopodobieostwa w rzeczywistoci jest wartoci nieobserwowaln. Wartod jej estymuje si na
podstawie danych empirycznych. Jest wskazane eby funkcj hazardu traktowad jako charakterystyk
odniesion do badanej jednostki, a nie do prby czy te populacji.
Skumulowana funkcja hazardu

Interpretacja: funkcja ta nie przyjmuje adnej interpretacji

Funkcja wiarygodnoci okrela si dla niej maksimum uwzgldniajc ponisze funkcje:

Funkcj gstoci f(t) okrela zaistniae graniczne prawdopodobieostwa przejcia w

momencie t,
Funkcj doycia S(t) okrela informacje o rodzaju doycia typie przeycia
1

L=

=1 ( )

( )

( )

Gdzie:
+ wskanik ocenzurowania, ktry przyjmuje nastpujce wartoci:
1,0 zdarzenie wystpio w czasie(chwili) t
0,0 w sytuacji, kiedy informacja zostaa obcita

Czas dyskretny
Funkcja rozkadu prawdopodobieostwa
= ( = ) dla i=1,2,3,,k
Jest interpretowana jako prawdopodobieostwo dowiadczenia zdarzenia o czasie Ti
Dystrybuanta
= < =

( )
<

Jeli czasy dyskretne wystpowania zdarzeo zostan uporzdkowane tak, e t1<t2<t3<<tk, to

kolejn miar jak moemy zdefiniowad jest funkcja doycia
Funkcja doycia
= =

Funkcja hazardu
Lambda indeks dolny j = P(T=ti|Tti)
Funkcj hazardu dla Ti mona interpretowad jako warunkowe prawdopodobieostwo wystpienia
zdarzenia o czasie Ti, zakadajc, e zdarzenie nie wystpio do czasu Ti.
Skumulowana funkcja hazardu
=

2.

Powizania pomidzy miarami czasu cigego okrela si nastpujco:

f(t)=F(t)
S(t)=1-F(t)
Lambda(t)=f(t)/S(t) < = > lambda(t)=f(t)/(1-F(t))

= exp

(
0

Zalenoci pomidzy maramiczasu dyskretnego:

S(ti)=lambdai * p(ti)
S(ti)=1-F(ti)
Lambdai=p(ti)/S(ti) < = > lambda(t)=p(ti)/(1-F(ti))

1
=1(1

3. Funkcja doycia typu addytywnego I multiplikatywnego + interpretacja skadnikw:

Multiplikatywny:
Lambda j (t) = kulka z falka w srodku * lambda z gwiazdka (t;yj); j=1,2,3,4,, n
kulka z falka w srodku to diease effect
lambda j (t) total hazard
teoretyczna kulka z falka w srodku = O/E
O observed deaths = suma po ej
Ej to spodziewana liczba zgonw z innych przyczyn w populacji referencyjnej
E expected Heath from all Rother causes
T oznaczaja czasy przeycia (moliwe, e ocenzurowane)
W modelu proporcjonalnych hazardw indywidualna funkcja hazardu jest multiplikatywnie zalena
od gownej funkcji hazardu w modelu. Zakada to, e ma ona pewn konkretn form lub jest
uznawana za funkcj niepotrzebn (nuisance function) i eliminowana w dalszej analizie.
Addytywny
Lambda j (t) = wideki + lambda z gwiazdka (t;yj)
Wideki sia miertelnoci przypisana do choroby
Model addytywny jest uywany jeli przyczyny dwch lub wicej identyfikowalnych czynnikw, ktre
dziaaj niezalenie s brane pod uwag. W analizie wzgldnych szans przeycia brane pod uwag s
dwie przyczyny mierci: jedna z nich podlega badaniu, dotyczy zainteresowania badacza, natomiast
druga to wszystkie inne przyczyny razem wzite (badaczowi nie zaley na tym aby je rozrnid).
Model addytywny jest tym samym modelem stosowanym najczciej do dodeli ryzyk
konkurencyjnych oraz wzgldnych modeli ryzyk.
Model ryzyk konkurencyjnych: lub versus separacja

Obserwacja od momentu wstpienia w kohabitacj do momentu dowiadczenia jednego z dwch

interesujcych nas wydarzeo lub do momentu wywiadu, o ile nastpi wczeniej.
Modele ryzyk konkurencyjnych objy zarwno modele oparte
na przestrzeni dwuwymiarowej do badania karier parami czyli powizao kariery rodzinnej i
zawodowej, powizao kariery rodzinnej i migracyjnej oraz powizao kariery zawodowej i
migracyjnej, jak rwnie modele oparte na przestrzeni trjwymiarowej do badania trzech
karier rwnoczenie. Istota modelu ryzyk konkurencyjnych wykorzystuje informacje o
zdarzeniach, kolejnoci ich wystpowania oraz czasie wystpienia zdarzenia.
4. Wyjanij + przykady: censoring, truncation
Censoring kiedy mamy do czynienia z danymi dotyczcymi danej obserwacji, ktre s znane tylko w
pewnej czci. Mwi si, e historia epizodu nie jest wtedy kompletna (nie jest w peni odtworzona).
Preznetacja graficzna:
Epizod A historia epizodu jest kompletna, ocenzurowanie nie wystpuje
|

------------

Epizod B historia epizodu jest ocenzurowana z prawej strony, wewntrz okresu obserwacji. Jeli
ocenzurowanie zostao spowodowane przez mechanizm losowy, metody analizy historii zdarzeo
zezwalaj na wczenie do analizy tego epizodu. Typ ocenzurowania moe wystpid w przypadku
badao panelowych w przypadku wyjcia jednostki z pola obserwacji bd braku danych z innego
powodu. Jeli brak danych o niedokooczonej historii epizodu nie ma charakteru losowego, tego typu
sytuacje mog tworzyd rodzaj obcienia danych i nie podlegaj korekcie w sposb prosty.
|

----------- - - - - - - |

Epizod C-ocenzurowanie prawostronne, ale ocenzurowanie rozpoczyna si od kooca okresu

obserwacji. Zwykle w praktyce jest to data realizacji badania. Tego typu sytuacje s typowe w
badaniach retrospektywnych, w ktrych jest odtwarzana historia badanego procesu od pocztku tj.
od zdarzenia inicjujcego a do czasu badania. Rwnie czsto takie sytuacje mog zdarzyd si w
badaniach panelowych podczas ostatniego panelu. Najczciej dochodzi do tego, kiedy charakter
ocenzurowania nie wynika z mechanizmu badanego procesu. Ten typ informacji ocenzurowanej nie
stwarza trudnoci w analizie historii zdarzeo, a jest raczej akceptowany.
|

------------| - - - -

Epizod D jest cakowicie ocenzurowany prawostronnie. Zarwno pocztek epizodu, jak i jego koniec
s poza okresem obserwacji. Takie sytuacje mog wystpid w badaniach retrospektywnych, kiedy
przedmiotem dociekao s historie badanych procesw jednostek pochodzcych z rnych kohort
urodzeniowych; wwczas gdy obserwacj odstajc jest obejmowany pewien wycinek czasu. Dla
zapobiegnicia obciciu ze wzgldu na dobr jednostek do badanej prby do modeli AHZ dla kohort
mona wprowadzid zmienn 0-1, ktra peni rol zmiennej kontrolujcej

----

Epizod E jest cakowicie ocenzurowany lewostronnie. Historia epizodu jest poza okresem
obserwacji. Cakowite obcicie lewostronne jest niemoliwe do modelowania, trudno bowiem
oceniad co, o czym nie ma adnej informacji.
---- |

Epizod F jest ocenzurowany czciowo z lewej strony. Oznacza to, e czas jego startu i jaki
fragment z pocztkowej fazy realizacji jest nieznany. Sytuacja jest troch podobna do sytuacji w
epizodzie C, ale bardziej kopotliwa do modelowania. Ten przypadek nie jest nie jest atwiejszy do
modelowania w AHZ ni w przypadku epizodu C. Wykorzystanie tego rodzaju informacji jest moliwe
pod warunkiem przyjcia okrelonych zaoeo z dobrym uzasadnieniem teoretycznym. Jednym z
takich warunkw jest zastosowanie do modelowania epizodu rozkadu wykadniczego. W rozkadzie
tym wskanik hazardu (ryzyko wystpienia zdarzenia) jest stay i niezaleny od czasu.
- - - -|--------

Epizod G jest ocenzurowany obustronnie. Taki sytuacje mog wystpid zarwno w badaniach
retrospektywnych jak i panelowych. Przykadem tego moe byd badanie w ktrym za pomoc
odpowiedniego pytania odtworzono karier zawodow osb, ktre byy bezrobotne w sierpniu 1993
roku (z okresu od stycznia 1990 roku do sierpnia 1993 roku). Ocenzurowane informacje to historia
sprzed 1990 roku i po sierpniu 1993. Ten rodzaj obserwacji jest okrelany jako informacje/dane na
temat aktualnego stanu pobytu jednostki (current status data).
- - - - - |------------------|- - - - - Przykady:
Badanie mierzy wpyw leku na miertelnod. W takim badaniu moe si okazad e wiek mierci
badanego to przynajmniej 75 lat (ale moe byd wicej). Obserwacja podlega cenzorowaniu w
przypadku gdy:

osoba zrezygnuje z badania w wieku 75 lat

osoba jest cigle w stanie ywy w wieku 75 lat

Drugim przykadem ocenzurowania moe byd przypadek jeli obserwacja wykroczy poza zakres
pomiaru, np. jeli waga jest w stanie uwzgldniad mas przedmiotw do 100kg, to przedmiot wacy
150kg poddany badaniu wag dostarczy tylko informacji, e way wicej ni 100kg, ale nie wiadomo
dokadnie ile. Tak obserwacj rwnie mona uznad za ocenzurowan.
Truncation dotyczy obserwacji ucitych z gry lub z doy prby. Pojcie jest podobne do
ocenzurowania, jednak rnica polega na tym, e obserwacje ucite w ramach truncation mog byd
potraktowane jako prba poza przedziaami badania ktre nas interesuj (tzw. underlying sample).
Cstym przykadem obcicia s dane z brany ubezpieczeniowej, ktre to s lewo- , dwu- lub
prawostronnie obcite w tramach truncation. Firmy ubezpieczeniowe na rynku amerykaoskim s
poddane pewnym ograniczeniom do ktrych zaliczony moe zostad wskanik u mwicy o stratach.
Jeli straty przewyszaj wskanik u (ang. upperlimit), firmy ubezpieczeniowe notuj straty na
5

poziomie u, niezalenie od poziomu wyjcia poza wskanik (nie wiedz dokadnie ile, nie ley to w ich
interesie, eby mierzyd strat dla regulatora). By to przykad na prawostronny censoring.
Lewostronne truncation: Jeli strata jest mniejsza ni ustalony wskanik d (ang. deductible), nie s
one wcale zgaszane do regulatora.
Podsumowujc: rnica polega na tym, e straty powyej u s zgaszane do regulatora(nieznana jest
wielkod strat, ale wiadomo, e s). To jest przykad dla censoringu. Lewostronne truncation polega
na tym, e e regulator nie wie, czy jakiekolwiek wartoci istniej poniej d, poniewa nie s one
wcale zgaszane do regulatora.

Truncation models- trancated regression models - proba wojskowych, wzrost; do wojska biora
wiekszych od MHR minima height requirements, biased, obcione wyniki, data imputation, scoring

Truncated regression models arise in many applications of statistics, for example

ineconometrics, in cases where observations with values in the outcome variable below
or above certain thresholds systematically excluded from the sample. Therefore, whole
observations are missing, so that neither the dependent nor the independent variable is
known.
Truncated regression models are often confused with censored regression models where
only the value of the dependent variable is clustered at a lower threshold, an upper
threshold, or both, while the value for independent variables is available.

Example[edit]
One example of truncated samples come from historical military height records. Many
armies imposed a minimum height requirement (MHR) on soldiers. This implies that men
shorter than the MHR are not included in the sample. This implies that samples drawn
from such records are perforce deficient i.e., incomplete, inasmuch as a substantial
portion of the underlying population's height distribution is unavailable for analysis.
Consequently, without proper statistical correction, any results obtained from such
deficient samples, such as means, correlations, or regression coefficients are wrong
(biased). In such a case truncated regression has the considerable advantage of
immediately providing consistent and unbiased estimates of the coefficients of the
independent variables, as well as their standard errors, thereby allowing for further
statistical inference, such as the calculation of the t-values of the estimates.
Censoring models tobit model, ahz models, nie wiemy dokadnie y, maja x
Censored regression models commonly arise ineconometrics in cases where the variable
of interest is only observable under certain conditions. A common example is labor supply.
Data are frequently available on the hours worked by employees, and a labor supply model
estimates the relationship between hours worked and characteristics of employees such as
age, education and family status. However, such estimates undertaken using linear
regression will be biased by the fact that for people who are unemployed it is not possible to
observe the number of hours they would have worked had they had employment. Still we
know age, education and family status for those observations.

A model commonly used to deal with censored data is the Tobit model, including variations
such as the Tobit Type II, Type III, and Type IV models.

These and other censored regression models are often confused with truncated
regression models. Truncated regression models are used for data where whole
observations are missing so that the values for the dependent and the independent
variables are unknown. Censored regression models are used for data where only the
value for the dependent variable (hours of work in the example above) is unknown while
the values of the independent variables (age, education, family status) are still available.
Censored regression models are usually estimated using maximum likelihood estimation.
The general validity of this approach has been shown by Schnedler in 2005, who also
provides a method to find the likelihood for a broad class of applications. [1]

Metody testowe i graficzne w modelu Coxa

Do najczciej stosowanych nale testy:
- Stosunku wiarygodnoci
Metoda oparta na statystyce (stosunku) wiarygodnoci. Test stosunku wiarygodnoci moe byd
uywany do porwnania modeli, ktre nale do tej samej klasy modeli (modele zagniedone).
Model jest nazywany gniazdowym wewntrz innego modelu jeli pierwszy z nich jest szczeglnym
przypadkiem drugiego; np. model A jest modelem gniazdowym wewntrz modelu B, o ile model A
otrzymuje si poprzez naoenie pewnych ograniczeo na parametry modelu B. Przykadami s
modele wykadniczy-weibulla, Gompertza-Makemana i uoglniony Gamma.
TSW=2[lnL(model_A)-lnL(model_B))
Taki test posiada rozkad chi2
- kryterium informacyjne AIC=-2ln(L)+2p
-bayesowskie kryterium informacyjne SBC=-2ln(L)+p*ln(n)
W ocenie jakoci modelu z wykorzystaniem dwch kryteriw informacyjnych naley si kierowad
bardziej kryterium SBC. Kryterium AIC przy duych zbiorach danych wybiera modele ze zbut du
liczb zmiennych objaniajcych.
-Punktowy
Statystyka score jest form kwadratow (funkcj w oglnoci) pierwszej i drugiej pochodnej
zlogarytmowanej funkcji najwikszej wiarygodnoci przy zaoeniu prawdziwoci hipotezy zerowej. W
duych prbach nie ma praktycznie rnicy pomidzy wartociami testu score i TSW, jednak w
maych prbach, szczeglnie dla skonych rozkadw test TSW jest uwaany za ten, ktry daje lepsze
wyniki.

- Walda iloraz wspczynnika i jego bdu standardowego podniesione do kwadratu

Sprawdza istotnod statystyczn wspczynnika regresji dla niektrych modeli nieliniowych (w tym
regresji logistycznej). Jeli pominita zostanie operacja podniesienia do potgi to statystyk mona
nazwad statystyk t lub z i p-value przyjte przez test bdzie odzwierciedlad dokadnie to samo pvalue, ktre jest obliczane w procedurach sasowych w celu okrelenia istotnoci zmiennej
(wspczynnika stojcego przy zmiennej w modelu).
Zaleca si zwykle przeprowadzenie kilku testw i dopiero na ich podstawie podjcie ostatecznej
decyzji.
- testy hipotezy globalnej BETA=0, ktre mwi, e co najmniej jeden z oszacowao parametrw
modelu przy zmiennej jest rny od zera. Test odnosi si wic do oszacowania jakoci modelu jako
caego.
- Testy typu trzeciego odnosz si do oceny stochastycznej istotnoci rnic pomidzy danymi
kategoriami zmiennych objaniajcych.

Rwnie popularne s metody graficzne. S one stosowane m.in. do sprawdzenia wasnoci

proporcjonalnoci hazardw.
- Na przykadzie pakietu TDA estymacji moe podlegad model dla dwch warstw, gdzie wykorzystano
dwa wektory zmiennych A1 i A2 (liczby w indeksach dolnych). Oszacowano rwnie funkcj doycia
odpowiednio jako S1(t) i S2(t). Z warunku proporcjonalnoci modelu wynika relacja:
Log(S1(t))/log(S2(t))=exp((A1-A2)*alfa)
Logarytmujc podwjnie dwie strony rwnania otrzymujemy
Log(-log(S1(t)))=log(-log(S2(t)))+(A1-A2)*alfa
Wykres sporzdzony z logarytmw funkcji doycia mona wykorzystad do sprawdzenia, czy warunek
proporcjonalnoci hazardw jest do przyjcia.
- wykresy rozkadu reszt (wygadzonych reszt)
W modelu Coxa wrd innych metod graficznych popularne s rwnie metody bazujce na resztach
Schoenfelda, ale te innych resztach; martynagaowych etc.. Funkcja wpywu estymatora czciowej
wiarygodnoci parametrw regresji w modelu Coxa jest nieograniczona, std reszty Schoenfelda,
ktre s oparte na funkcji czciowej wiarygodnoci mog prowadzid do niestabilnych procedur
statystycznych
- opcja ASSESS
Dobr zmiennych do modelu (ich interakcji)Lub sprawdzanie proporcjonalnego hazardu (supremum test for proportional hazard)
- opcja strata + opcja plot
8

Jeli kategorie zmiennej zalenej w modelu Coxa s w miare rwnolege to pozwala to twierdzid e
zaoenie PH jest spenione, w szczeglnoci jeli wartoci zmiennych wraz czasem nie rozjedaj si
- reszty dfbaeta (opcja influence)
Identyfikuje obserwacje wpywowe
Episode splitting
Episode splitting w systemie SAS mona oszacowad za pomoc pionowej struktury danych
wczytywanych do programu. W takim przypadku wiele rekordw przypada na obserwowan
jednostk, ale tylko jeden rekord przypada na dany interwa czasu, w ktrym to zmienne s stae.
Metoda episode splitting czy si ze zmiennymi zalenymi od czasu , ktre brane s pod uwag przy
estymacji modelu. Wartoci takich zmiennych mog si zmieniad w odwolnych punktach punktach w
czasie. Zastosowanie do modelu Coxa zawierajcego zmienne zalene od czasu metody czciowej
wiarygodnoci jest czasochonne ze wzgldu na procedur estymacji. Istot metody episode splitting
jest dokonanie podziau oryginalnych epizodw, czyli odcinkw czasu zoonych przy formuowaniu
modelu Coxa na subepizody. Inaczej mwic s to podokresy w kadym dowolnym punkcie czasu
wewntrz epizodu, kiedy miaa miejsce zmiana wartoci zmiennej zalenej od czasu. W wyniku
takiego podziau kady z oryginalnych epizodw jest zastpiony zestawem nowych subepizodw.
Ostatni z podokresw (Split) ma taki sam stan wyjciowy jak epizod oryginalny. Wszytstkie pozostae
subepizody s traktowane jako epizody obcite prawostronnie. Stosowanie do tego podziau zestaw
ryzyka dla jednostek objtych badaniem dla kadego punktu czasu zawiera tylko pojedyncze
subepizody powizane z odpowiednimi wartociami zmiennych. Algorytm metody czciowej
wiarygodnoci jest w tym przypadku mniej czasochonny.
Przykadem moe byd na danych dotyczcych trasplantacji serca: chcemy rozdzielid poszczeglne
epizody ze wzgldu na okres przed i po transplantacji. W poleceniu pozostawiono dowolnod co do
kodu, wic np. kod w pakiecie STATA wygldaby nastpujco (w modelu Coxa):
+ straona 204
. use link_do_danych< = >http://www.stata-press.com/data/r8/stanford, clear
. stset stime, failure(died) id(id) /*okrelienie czasu I zmiennej cenzurowanej*/
. stsplit, at(failures) /*funkcjawykonujca episode splitting*/
. generate posttran = wait<_t & wait!=0 /*stworzenie nwej zmiennej do splitu*/
. stjoin /*czyepizody*/
. stcox age posttran surgery year /*regresja PH Coxa*/

8. Reszty
Reszty dewiancji

- mierz wpyw dewiancji (contribution) z kadej obserwacji, sa zadane wzorem:

r dolny indeks Di = sign (ri)*pierw(di)
- gdzie di to di to indywidualny wpyw dewiancji na kazda obserwacje
- mog byd uywane do sprawdzenia dopasowania modelu do danych lub sprawdzeniu czy dana
obserwacja jest warta wczenia do uoglnionych modeli liniowych
- w Sas s przechowywane w zmiennej o nazwie RD_yname dla kadej zmiennej objaniajcej, gdzie
yname to nazwa zmiennej
Reszty Coxa Snella
-

mierza dopasowanie modelu do danych

- zadane sa wzorem logS^hat (ti)

Reszty martyngaowe
- Zalenosc liniowa pomiedzy hazardem a log hazardu i x beta
-

Liczone dla danej jednostki, w danym czasie t

Zazwyczaj liczymy je w czasie cenzurowania lub wystpienia zdarzenia
Interpretowane jako rnica pomidzy obserwowan a oczekiwan (wynikajc z modelu)
liczb zdarzeo do czasu t : M(ti) = N(ti) H(Ti , x , beta) = ci H(Ti,x,beta)
Przydatne w sprawdzaniu liniowej relacji pomidzy zmiennymi a logarytmem hazardu

Zalenod: reszty martyngaowe powstaj poprzez transformacj reszt Coxa Snella, natomiast
reszty dewiancji poprzez transformacj reszt martyngaowych
Reszty typu Score
Identyfikacja obserwacji wpywowych
- liczone dla danej jednostki w odniesieniu dla danej zmiennej
- interpretowane jako waona rnica pomidzy wartoci zmiennej dla danej jednostki i redni
wartoci zmiennej tej zmiennej w populacji naraonej na ryzyko
- skalowane reszty typu score reszty dfbeta
- pomnoenie wektora reszt przez macierz kowariancji estymowanych parametrw
-interpretowane jako przybliona zmiana w estymacji parametrw dla danej zmiennej po
wykluczeniu danej jednostki ze zbioru ryzyka
Przydatne w identyfikacji jednostek odstajcych i wpywowych
Reszty Schoenfelda
- liczone dla jednej jednostki w odniesieniu do danej zmiennej

10

- liczone tylko dla zaobserwowanych zdarzeo

- rnica pomidzy rzeczywist wartoci zmiennej dla danej jednostki a wartoci oczkiwan tej
zmiennej w zbiorze ryzyka
- uywane do sprawdzenia zaoenia o proporcjonalnym hazardzie.

DODATKOWO:
Nieobserwowana heterogenicznod zmiennod ktrej nie uwzgldnilimy powoduje ; zrnicowanie
jednostek nie jest uwzgldnione w danych

Ties events jak wiele obserwacji konczy si w tym samym czasie

Rozwizanie:
Opcjaties=discrete,
Exact

11