مقدمه: درک درست ارتباطات تابعی بین متغیرها، لازمه انجام یک تحلیل چند متغیره است که در آن باید تعداد پارامترها متناهی باشند. در برخی از مطالعات که داده های ناتمام وجود دارد، مانند بقا، انجام تحلیل نیازمند پیش فرض هایی است که در موقعیت های عملی ممکن است برقرار نباشد. در چنین حالت هایی، استفاده از مدل هایی که انعطاف پذیر و آزاد- توزیع باشند، مانند شبکه عصبی مصنوعی، پیشنهاد است.هدف: این مطالعه با هدف مقایسه پیش بینی بقا با مدل شبکه عصبی مصنوعی و رگرسیون وایبول در یک مطالعه شبیه سازی و مثال کاربردی انجام شده است.روش بررسی: در ابتدا برای انجام مطالعه شبیه سازی، متغیرهای تصادفی با توزیع های دوجمله ای و نرمال استاندارد تولید شد. همچنین زمان بقا با توزیع وایبول بر اساس رابطه بین پارامترهای این توزیع و متغیرهای مستقل تولید شد. در ادامه داده ها به دو قسمت آموزشی و آزمایشی تقسیم شدند و ارزیابی شبکه بر اساس ملاک حداقل مربعات خطای پیش بینی و ملاک اطلاع بیزی صورت پذیرفت.نتایج: شاخص هماهنگی در شبکه 0.812 و در رگرسیون وایبول 0.785 گردید.نتیجه گیری: صحت پیش بینی شبکه عصبی بیش تر از مدل رگرسیون وایبول به دست آمد.