Espérence de vie d'un joueur de jeu vidéo

Bonjour,

je travail actuellement sur le calcul de l'espérence de vie moyen d'un joueur de jeu vidéo directement à partir d'une base de donnée de connection au jeu jeu.

Voici mon problème:

Je souhaiterai calculer la durée moyenne qu'un joueur serait amené à jouez à mon jeu vidéo sachant que le jeu est toujours actif.

Les données que j'ai à disposition sont:
Durée de jeu de chacun des joueurs
Date de création de compte et dernière connection
Date de création du jeu et évidement d'aujourd'hui.

La difficulté que je rencontre est premièrement d'éliminer les joueurs qui n'ont pas encore fini d'exprimer leur durée de vie (par exemple un joueur qui à créé son compte hier).
Deuxièment je souhaiterai éliminé les valeurs faussées du type un joueur qui à joué au premier jour et aujourd'hui mais qui ne s'est pas du tout connecté entre temps.


Si quelqu'un a une solution, ce serait fortement apprécié.
Si j'ai pas été très clair, veuillez me le faire savoir et je pourrai fournir des données "exemples".

Cordialement,

Mike

c'est de l'analyse de survie.

Bonsoir,
J'ai un bouquin au bureau qui de mémoire traite un cas très proche du tien : "Jeux et théorie des jeux".

Bonjour et merci pour vos réponses,

@ c@ssoulet: Je suis partiellement d'accord avec toi, car dans mon cas précis si tu es actif le premier jours et le dernier jours il se peut que tu ais été inactif durant les deux. Alors qu'en analyse de survie si tu es vivant en 1986 et vivant en 1996 ont suppose que tu ais été vivant durant l'intégralité de la période du temps.

@ Florent: J'ai recherché le livre dont vous parlez. Bien que je vois quelques rapport avec l'univers du jeu, je ne comprends pas le rapport avec mon cas précis mais je serais très intéressé d'en savoir plus.

Merci

Ca dépende de ce que tu veux regarder. l'analyse de survie te permet d'évaluer le risque de "quitter définitivement" le jeu en fonction du temps. De plus, c'est le seul moyen de tenir compte des " joueurs qui n'ont pas fini d'exprimer leur durée de vie". A mon sens, les éliminer est un gros biais.

Pour l'étude des fréquences d'utilisation, ca peut être abordé sous 2 angles à première vue:
- relativement simple: tu exprimes des fréquences moyennes de connexion, éventuellement pondérées par les durées (une connexion de 20 secondes n'a pas le même poids qu'une connexion de 30 minutes) et/ou des fréquences;
- relativement compliqué (surtout pour le choix et la validation du modèle): tu restes dans le cadre de l'analyse censurée (analyse de survie) en utilisant des "modèles de régression qui tiennent compte du facteur temps" qui permettent d'exprimer le risque instantané de l'évènement (= abandonner le jeu?) en fonction du temps et des variables explicatives introduites dans le modèle Il te faut chercher du coté des modèles à risques proportionnels, style modèle de cox.

je te conseille de taper dans google "modèles de durée+censure" tu trouveras pas mal de document qui pourrait t'aider!

Bonjour,

Merci pour votre aide. Je suis malheureusement toujours bloqué.

J'ai explorer la possibilité du modèle de Markov mais sans réussite du fait que ma matrice transitionnelle change constament.

Si quelqu'un avait des idées.