生存分析是指考察从开始到发生特异性目标事件为止所经过的时间的过程。在许多实验中（尤其是生物科学领域的实验），目标事件通常是指受试者的死亡（小鼠、细胞等）。 这些实验的因变量是受试者存活的时间长度（该分析的名称由此而来）。 然而，生存分析同样适用于其他研究事件发生时间数据的实验，例如测量机械部件使用至损坏或失效所需的时间，或是测量学生获得学位所需的时间。 在这些情况下，该分析可能有不同的名称（在经济学中，这些分析可能被称为“持续时间分析”或“持续时间建模”；在社会学中，这些研究可能被称为“事件史分析”）。然而，所有这些分析在本质上都是相同的。
生存分析的主要成果之一是理解生存概率随时间的变化规律。这种关系可以通过生存曲线以图形形式呈现。这些曲线是针对特定总体生成的，其中X轴表示经过时间，Y轴表示生存概率（以分数或百分比形式表示）。 因此，曲线的位置被定义为：相关人群中某个体在给定时间内“存活”且未发生目标事件的概率。请看下图所示的生存曲线示例：
在此图中，我们可以看到生存曲线典型的“阶梯状”斜率。该图中生存概率以百分比表示，在时间零点为100%，并在约83天时降至0%。 这种“阶梯状”形状源于生存概率的计算方式：生存概率仅在目标人群中某人发生目标事件时才会发生变化（当目标事件为死亡时，这些时间点即为个体死亡的时间点），因此每个垂直下降点都代表研究人群中发生的一起事件。 这些图表可用于确定关于单一人群的重要信息（如中位生存时间），或对各自拥有对应生存曲线的多个人群进行统计比较。
上图是使用卡普兰-迈尔（Kaplan-Meier）方法绘制的，本指南的这一部分将介绍如何在 Prism 中进行卡普兰-迈尔生存分析。
