Parametrické a neparametrické odhady

Statistické metody lze obecně rozdělit na základě jejich předpokladu o charakteru pozorovaných dat na parametrické a neparametrické. Parametrické metody (parametric survival analysis) vyžadují specifikaci konkrétního rozdělení náhodné veličiny , zatímco neparametrické metody (nonparametric survival analysis) žádné zvláštní předpoklady ohledně rozdělení pravděpodobnosti náhodné veličiny  nevyžadují. V případě medicínských aplikací je znalost konkrétního rozdělení veličiny  velmi omezená, což společně s jednoduchostí použití činí neparametrické metody široce používanými v analýze přežití. Na druhou stranu znalost rozdělení pravděpodobnosti náhodné veličiny  je vždy výhodná, neboť použití parametrických metod je většinou jednodušší a při korektně specifikovaném rozdělení i přesnější. Podmínka korektní specifikace rozdělení pravděpodobnosti je však nesmírně důležitá. Pokud totiž předpokládáme pravděpodobnostní chování studované cílové populace dle určitého rozdělení, ale ve skutečnosti tento předpoklad splněn není, je špatně specifikace celého statistického modelu, což vede k zavádějícím výsledkům a neinterpretovatelným závěrům. V analýze přežití definujeme ještě další skupinu metod označovanou jako semiparametrické (semiparametric survival analysis). Jedná se o modelovací přístupy, které nejsou plně parametrické, protože nevyžadují předpoklad o znalosti rozdělení veličiny , nicméně jakožto modely s parametry, respektive regresními koeficienty pracují. Nejznámější semiparametrickou metodou je tzv. Coxův regresní model proporcionálních rizik, který je blíže vysvětlen v kapitole 8.