Distribuição gama generalizada geométrica estendida
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFLA |
Texto Completo: | http://repositorio.ufla.br/jspui/handle/1/10701 |
Resumo: | New probability distributions are proposed in order to get better fit to the complex data such as censored, skewed and bimodal. In this perspective, this work proposed new more flexible models for survival analysis. The first model proposed is the extended generalized gamma geometric distribution of five parameters, which includes well-known lifetime special sub-models such as the generalized gamma. We provided a mathematical treatment of the new distribution including explicit expressions for moments, moment generating function, mean deviations, reliability and order statistics. Further, we developed an extension of this distribution by assuming that a shape parameter can take negative values. Additionally, we derived the log-transformed distribution and its regression model. The new regression model represents a parametric family of models that includes as sub-models some widely known regression models that can be applied to censored survival data. Finally, an application of the new models to real data showed that they could provide a better fit than other statistical models frequently used in lifetime data analysis. |
id |
UFLA_955b1603ebed72a3fc881068da83cf39 |
---|---|
oai_identifier_str |
oai:localhost:1/10701 |
network_acronym_str |
UFLA |
network_name_str |
Repositório Institucional da UFLA |
repository_id_str |
|
spelling |
Distribuição gama generalizada geométrica estendidaThe extended generalized gamma geometric distributionAnálise de sobrevivênciaRegressão locação-escalaEstimação de máxima verossimilhançaInferência BayesianaBimodalSurvival analysisLocation-scale regression modelMaximum likelihood estimationBayesian inferenceProbabilidade e Estatística AplicadasAgronomiaNew probability distributions are proposed in order to get better fit to the complex data such as censored, skewed and bimodal. In this perspective, this work proposed new more flexible models for survival analysis. The first model proposed is the extended generalized gamma geometric distribution of five parameters, which includes well-known lifetime special sub-models such as the generalized gamma. We provided a mathematical treatment of the new distribution including explicit expressions for moments, moment generating function, mean deviations, reliability and order statistics. Further, we developed an extension of this distribution by assuming that a shape parameter can take negative values. Additionally, we derived the log-transformed distribution and its regression model. The new regression model represents a parametric family of models that includes as sub-models some widely known regression models that can be applied to censored survival data. Finally, an application of the new models to real data showed that they could provide a better fit than other statistical models frequently used in lifetime data analysis.Novas distribuições de probabilidade são propostas com o objetivo de obter melhores ajustes a dados que apresentem comportamentos mais complexos, tais como os que estão suscetíveis a censuras. Nesta perspectiva, este trabalho propôs novos modelos mais flexíveis para a análise de sobrevivência. O primeiro exposto é a distribuição gama generalizada geométrica estendida de cinco parâmetros, que inclui importantes distribuições como casos particulares, tal como a gama generalizada. Para essa nova distribuição, obteve-se uma expressão para os momentos, função geradora de momentos, função densidade da distribuição de estatística de ordem, desvios médios e confiabilidade. Examinaram-se os estimadores de máxima verossimilhança dos parâmetros e calculou-se a matriz de informação observada. Em sequência, realizou-se uma sutil generalização da distribuição já proposta e a transformação logarítmica, proporcionando o desenvolvimento de um modelo de regressão paramétrico. A utilidade dos novos modelos propostos são ilustrados com uma aplicação a um conjunto de dados de tempo de permanência de imigrantes brasileiros no Japão. Para o conjunto de dados analisado, as estatísticas AIC, BIC e CAIC mostraram que os novos modelos são mais adequados do que outros disponíveis na literatura.Universidade Federal de LavrasPrograma de Pós-Graduação em Estatística e Experimentação AgropecuáriaUFLAbrasilDepartamento de Ciências ExatasLima, Renato Ribeiro dePascoa, Marcelino Alves Rosa deOliveira, Anderson Castro Soares deGouvêa, Graziela Dutra RochaChaves, Lucas MonteiroVivanco, Mário Javier FerruaBortolini, Juliano2015-12-17T12:36:20Z2015-12-17T12:36:20Z2015-12-172015-12-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfBORTOLINI, J. Distribuição gama generalizada geométrica estendida. 2015. 133 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2015.http://repositorio.ufla.br/jspui/handle/1/10701porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2017-02-08T13:01:04Zoai:localhost:1/10701Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2017-02-08T13:01:04Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false |
dc.title.none.fl_str_mv |
Distribuição gama generalizada geométrica estendida The extended generalized gamma geometric distribution |
title |
Distribuição gama generalizada geométrica estendida |
spellingShingle |
Distribuição gama generalizada geométrica estendida Bortolini, Juliano Análise de sobrevivência Regressão locação-escala Estimação de máxima verossimilhança Inferência Bayesiana Bimodal Survival analysis Location-scale regression model Maximum likelihood estimation Bayesian inference Probabilidade e Estatística Aplicadas Agronomia |
title_short |
Distribuição gama generalizada geométrica estendida |
title_full |
Distribuição gama generalizada geométrica estendida |
title_fullStr |
Distribuição gama generalizada geométrica estendida |
title_full_unstemmed |
Distribuição gama generalizada geométrica estendida |
title_sort |
Distribuição gama generalizada geométrica estendida |
author |
Bortolini, Juliano |
author_facet |
Bortolini, Juliano |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lima, Renato Ribeiro de Pascoa, Marcelino Alves Rosa de Oliveira, Anderson Castro Soares de Gouvêa, Graziela Dutra Rocha Chaves, Lucas Monteiro Vivanco, Mário Javier Ferrua |
dc.contributor.author.fl_str_mv |
Bortolini, Juliano |
dc.subject.por.fl_str_mv |
Análise de sobrevivência Regressão locação-escala Estimação de máxima verossimilhança Inferência Bayesiana Bimodal Survival analysis Location-scale regression model Maximum likelihood estimation Bayesian inference Probabilidade e Estatística Aplicadas Agronomia |
topic |
Análise de sobrevivência Regressão locação-escala Estimação de máxima verossimilhança Inferência Bayesiana Bimodal Survival analysis Location-scale regression model Maximum likelihood estimation Bayesian inference Probabilidade e Estatística Aplicadas Agronomia |
description |
New probability distributions are proposed in order to get better fit to the complex data such as censored, skewed and bimodal. In this perspective, this work proposed new more flexible models for survival analysis. The first model proposed is the extended generalized gamma geometric distribution of five parameters, which includes well-known lifetime special sub-models such as the generalized gamma. We provided a mathematical treatment of the new distribution including explicit expressions for moments, moment generating function, mean deviations, reliability and order statistics. Further, we developed an extension of this distribution by assuming that a shape parameter can take negative values. Additionally, we derived the log-transformed distribution and its regression model. The new regression model represents a parametric family of models that includes as sub-models some widely known regression models that can be applied to censored survival data. Finally, an application of the new models to real data showed that they could provide a better fit than other statistical models frequently used in lifetime data analysis. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-12-17T12:36:20Z 2015-12-17T12:36:20Z 2015-12-17 2015-12-03 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
BORTOLINI, J. Distribuição gama generalizada geométrica estendida. 2015. 133 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2015. http://repositorio.ufla.br/jspui/handle/1/10701 |
identifier_str_mv |
BORTOLINI, J. Distribuição gama generalizada geométrica estendida. 2015. 133 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2015. |
url |
http://repositorio.ufla.br/jspui/handle/1/10701 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Lavras Programa de Pós-Graduação em Estatística e Experimentação Agropecuária UFLA brasil Departamento de Ciências Exatas |
publisher.none.fl_str_mv |
Universidade Federal de Lavras Programa de Pós-Graduação em Estatística e Experimentação Agropecuária UFLA brasil Departamento de Ciências Exatas |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFLA instname:Universidade Federal de Lavras (UFLA) instacron:UFLA |
instname_str |
Universidade Federal de Lavras (UFLA) |
instacron_str |
UFLA |
institution |
UFLA |
reponame_str |
Repositório Institucional da UFLA |
collection |
Repositório Institucional da UFLA |
repository.name.fl_str_mv |
Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA) |
repository.mail.fl_str_mv |
nivaldo@ufla.br || repositorio.biblioteca@ufla.br |
_version_ |
1807835048374697984 |