生存分析是研究从开始到特定目标事件发生之间所经过时间的过程。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（如小鼠、细胞等）。 此类实验的因变量是受试者存活的时间长度（这也正是该分析名称的由来）。然而，生存分析同样适用于其他关注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，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的形式直观呈现。这些曲线针对特定总体生成，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，曲线的位置定义为：相关总体中某个体在给定时间内“生存”且未经历目标事件的概率。请看下图所示的生存曲线示例：
在此图中，我们可以观察到生存曲线典型的“阶梯状”斜率。图中生存概率以百分比形式呈现，在时间零点为100%，并在约83天时降至0%。 这种“阶梯状”形态源于生存概率的计算方式：生存概率仅在某位个体经历目标事件时发生变化（当目标事件为死亡时，即为个体死亡的时间点），因此每个垂直下降点都代表研究群体中发生的一起事件。 这些图表可用于确定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群体进行统计比较。
上图是使用 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 Kaplan-Meier 生存分析。
