Modelos semiparamétricos para análise de eventos recorrentes

Detalhes bibliográficos
Autor(a) principal: Rumenick Pereira da Silva
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/48520
Resumo: Em áreas como medicina, saúde pública, negócios, indústria, confiabilidade, ciências sociais e seguros surgem muitas situações em que o interesse é estudar processos que geram eventos repetidamente ao longo do tempo. Esses tipos de situações são denominados processos de eventos recorrentes e os dados que eles fornecem são chamados de dados de eventos recorrentes. Nesse contexto, as modelagens propostas no presente trabalho são, fundamentalmente, modelos de sobrevivência baseados em processo de Poisson e processo de renovação, sendo a função de risco (ou intensidade) construída sob uma ótica semiparamétrica via polinômios de Bernstein. Além disso, são propostas duas classes gerais de modelos semiparamétricos que possuem como casos particulares os processos supracitados, sendo as funções de risco (ou intensidade) destas classes obtidas através dos polinômios de Bernstein e da exponencial por partes. Os modelos propostos são flexíveis no sentido de não impor uma forma específica para a função de risco (ou intensidade), ter qualidades similares às dos modelos paramétricos no que diz respeito a estimação das funções de sobrevivência, risco (ou intensidade) e risco acumulado (ou intensidade acumulada). Alguns destes modelos não assumem proporcionalidade entre os riscos (ou intensidades) e possuem características computacionais que são atrativas do ponto de vista de inferência frequentista e Bayesiana, o que motivou realizar inferência para os modelos propostos sob ambos os paradigmas. A análise desenvolvida aqui apresenta resultados de um estudo de simulação objetivando investigar o comportamento dos modelos propostos diante de diferentes cenários e explora também dados reais de estudos clássicos na literatura de análise de eventos recorrentes.
id UFMG_dd5a92667561571b2f5716dda3ec57d5
oai_identifier_str oai:repositorio.ufmg.br:1843/48520
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Vinícius Diniz Mayrinkhttp://lattes.cnpq.br/8460573638694827Fábio Nogueira DemarquiRosangela Helena LoschiWagner Barreto de SouzaVera Lúcia Damasceno TomazellaMário de Castro Andrade Filhohttp://lattes.cnpq.br/2522932661599726Rumenick Pereira da Silva2022-12-29T21:06:22Z2022-12-29T21:06:22Z2019-09-20http://hdl.handle.net/1843/48520Em áreas como medicina, saúde pública, negócios, indústria, confiabilidade, ciências sociais e seguros surgem muitas situações em que o interesse é estudar processos que geram eventos repetidamente ao longo do tempo. Esses tipos de situações são denominados processos de eventos recorrentes e os dados que eles fornecem são chamados de dados de eventos recorrentes. Nesse contexto, as modelagens propostas no presente trabalho são, fundamentalmente, modelos de sobrevivência baseados em processo de Poisson e processo de renovação, sendo a função de risco (ou intensidade) construída sob uma ótica semiparamétrica via polinômios de Bernstein. Além disso, são propostas duas classes gerais de modelos semiparamétricos que possuem como casos particulares os processos supracitados, sendo as funções de risco (ou intensidade) destas classes obtidas através dos polinômios de Bernstein e da exponencial por partes. Os modelos propostos são flexíveis no sentido de não impor uma forma específica para a função de risco (ou intensidade), ter qualidades similares às dos modelos paramétricos no que diz respeito a estimação das funções de sobrevivência, risco (ou intensidade) e risco acumulado (ou intensidade acumulada). Alguns destes modelos não assumem proporcionalidade entre os riscos (ou intensidades) e possuem características computacionais que são atrativas do ponto de vista de inferência frequentista e Bayesiana, o que motivou realizar inferência para os modelos propostos sob ambos os paradigmas. A análise desenvolvida aqui apresenta resultados de um estudo de simulação objetivando investigar o comportamento dos modelos propostos diante de diferentes cenários e explora também dados reais de estudos clássicos na literatura de análise de eventos recorrentes.In areas such as medicine, public health, business, industry, reliability, social sciences and insurance, many situations arise in which the interest is to study processes that generate events repeatedly over time. These types of situations are called recurrent event processes, and the data they provide is called recurrent event data. In this context, the models proposed in the present work are, fundamentally, survival models based on the Poisson process and the renewal process, with the hazard function (or intensity) being constructed from a semiparametric perspective via Bernstein polynomials. In addition, two general classes of semiparametric models are proposed that have the above processes as particular cases, the hazards functions (or intensities) of these classes being obtained through the Bernstein polynomials and the piecewise exponential. The proposed models are flexible in the sense that they do not impose a specific form for the hazard function (or intensity), have qualities similar to those of the parametric models with regard to the estimation of the survivor, hazard (or intensity) and cumulative hazard (or intensity) functions. Some of these models do not assume proportional hazards (or intensities) and have computational characteristics that are attractive from the point of view of classical and Bayesian inference, which motivated to make inference for the models proposed under both paradigms. The analysis developed here presents the results of a simulation study aimed at investigating the behavior of the proposed models in different scenarios and also explores real data from classic studies in the literature for the analysis of recurring events.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em EstatísticaUFMGBrasilICEX - INSTITUTO DE CIÊNCIAS EXATASEstatística - TesesPoisson, Processos de - TesesTeoria bayesiana de decisão estatística - TesesPolinômios de Bernstein - TesesAmostrador de Gibbs - TesesProcesso de PoissonProcesso de renovaçãoClasse geralPolinômios de BernsteinExponencial por partesInferência frequentistaInferência BayesianaAmostrador de GibbsJAGSModelos semiparamétricos para análise de eventos recorrentesSemiparametric models for analysis of recurrent eventinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtese_rumenickps.pdftese_rumenickps.pdfTese Rumenick Pereira da Silvaapplication/pdf16349167https://repositorio.ufmg.br/bitstream/1843/48520/3/tese_rumenickps.pdfa4b4dd4da5ef699dbcdf25cf639a5d8fMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82118https://repositorio.ufmg.br/bitstream/1843/48520/4/license.txtcda590c95a0b51b4d15f60c9642ca272MD541843/485202022-12-29 18:06:22.652oai:repositorio.ufmg.br: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ório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2022-12-29T21:06:22Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Modelos semiparamétricos para análise de eventos recorrentes
dc.title.alternative.pt_BR.fl_str_mv Semiparametric models for analysis of recurrent event
title Modelos semiparamétricos para análise de eventos recorrentes
spellingShingle Modelos semiparamétricos para análise de eventos recorrentes
Rumenick Pereira da Silva
Processo de Poisson
Processo de renovação
Classe geral
Polinômios de Bernstein
Exponencial por partes
Inferência frequentista
Inferência Bayesiana
Amostrador de Gibbs
JAGS
Estatística - Teses
Poisson, Processos de - Teses
Teoria bayesiana de decisão estatística - Teses
Polinômios de Bernstein - Teses
Amostrador de Gibbs - Teses
title_short Modelos semiparamétricos para análise de eventos recorrentes
title_full Modelos semiparamétricos para análise de eventos recorrentes
title_fullStr Modelos semiparamétricos para análise de eventos recorrentes
title_full_unstemmed Modelos semiparamétricos para análise de eventos recorrentes
title_sort Modelos semiparamétricos para análise de eventos recorrentes
author Rumenick Pereira da Silva
author_facet Rumenick Pereira da Silva
author_role author
dc.contributor.advisor1.fl_str_mv Vinícius Diniz Mayrink
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/8460573638694827
dc.contributor.advisor-co1.fl_str_mv Fábio Nogueira Demarqui
dc.contributor.referee1.fl_str_mv Rosangela Helena Loschi
dc.contributor.referee2.fl_str_mv Wagner Barreto de Souza
dc.contributor.referee3.fl_str_mv Vera Lúcia Damasceno Tomazella
dc.contributor.referee4.fl_str_mv Mário de Castro Andrade Filho
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/2522932661599726
dc.contributor.author.fl_str_mv Rumenick Pereira da Silva
contributor_str_mv Vinícius Diniz Mayrink
Fábio Nogueira Demarqui
Rosangela Helena Loschi
Wagner Barreto de Souza
Vera Lúcia Damasceno Tomazella
Mário de Castro Andrade Filho
dc.subject.por.fl_str_mv Processo de Poisson
Processo de renovação
Classe geral
Polinômios de Bernstein
Exponencial por partes
Inferência frequentista
Inferência Bayesiana
Amostrador de Gibbs
JAGS
topic Processo de Poisson
Processo de renovação
Classe geral
Polinômios de Bernstein
Exponencial por partes
Inferência frequentista
Inferência Bayesiana
Amostrador de Gibbs
JAGS
Estatística - Teses
Poisson, Processos de - Teses
Teoria bayesiana de decisão estatística - Teses
Polinômios de Bernstein - Teses
Amostrador de Gibbs - Teses
dc.subject.other.pt_BR.fl_str_mv Estatística - Teses
Poisson, Processos de - Teses
Teoria bayesiana de decisão estatística - Teses
Polinômios de Bernstein - Teses
Amostrador de Gibbs - Teses
description Em áreas como medicina, saúde pública, negócios, indústria, confiabilidade, ciências sociais e seguros surgem muitas situações em que o interesse é estudar processos que geram eventos repetidamente ao longo do tempo. Esses tipos de situações são denominados processos de eventos recorrentes e os dados que eles fornecem são chamados de dados de eventos recorrentes. Nesse contexto, as modelagens propostas no presente trabalho são, fundamentalmente, modelos de sobrevivência baseados em processo de Poisson e processo de renovação, sendo a função de risco (ou intensidade) construída sob uma ótica semiparamétrica via polinômios de Bernstein. Além disso, são propostas duas classes gerais de modelos semiparamétricos que possuem como casos particulares os processos supracitados, sendo as funções de risco (ou intensidade) destas classes obtidas através dos polinômios de Bernstein e da exponencial por partes. Os modelos propostos são flexíveis no sentido de não impor uma forma específica para a função de risco (ou intensidade), ter qualidades similares às dos modelos paramétricos no que diz respeito a estimação das funções de sobrevivência, risco (ou intensidade) e risco acumulado (ou intensidade acumulada). Alguns destes modelos não assumem proporcionalidade entre os riscos (ou intensidades) e possuem características computacionais que são atrativas do ponto de vista de inferência frequentista e Bayesiana, o que motivou realizar inferência para os modelos propostos sob ambos os paradigmas. A análise desenvolvida aqui apresenta resultados de um estudo de simulação objetivando investigar o comportamento dos modelos propostos diante de diferentes cenários e explora também dados reais de estudos clássicos na literatura de análise de eventos recorrentes.
publishDate 2019
dc.date.issued.fl_str_mv 2019-09-20
dc.date.accessioned.fl_str_mv 2022-12-29T21:06:22Z
dc.date.available.fl_str_mv 2022-12-29T21:06:22Z
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 http://hdl.handle.net/1843/48520
url http://hdl.handle.net/1843/48520
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.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Estatística
dc.publisher.initials.fl_str_mv UFMG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv ICEX - INSTITUTO DE CIÊNCIAS EXATAS
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/48520/3/tese_rumenickps.pdf
https://repositorio.ufmg.br/bitstream/1843/48520/4/license.txt
bitstream.checksum.fl_str_mv a4b4dd4da5ef699dbcdf25cf639a5d8f
cda590c95a0b51b4d15f60c9642ca272
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1803589484409782272