Modelos bayesianos para dados categorizados com censura.

• Autor(a) principal: Oliveira, Rogério Antonio de
• Data de Publicação: 2009
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-123340/
• topic: Inferência Bayesiana

Dados categorizados com censura são comuns em diferentes áreas do conhcimento. A análise estatística para esse tipo de dados era um desafio para muitos estatísticos. Atualmente há algumas abordagens bayesianas e frequentistas para resolver este problema. Paulino e Pereira (1995) apresentaram um modelo bayesiano para dados categorizados com padrão de censura. Este modelo utiliza toda as informações da amostra, inclusive as observações com informações parciais ou totalmente faltantes. Também serão apresentados o modelo de Paulino, Soares e Neuhaus (2003) que emprega modelos lineares generalizados para modelar o efeito da variável explicativa, discreta ou contínua, na variável resposta discreta que está sujeita a erro e um modelo de regressão logística utilizando a idéia da partição. Para este tipo de análise, pode-se aplicar uma visão estatística por meio do 'Full Bayesian Significance Test' (FBST) como um teste de significância bayesiano coerente, que foi originalmente proposto por Pereira e Stern (1999). O teste FBST é um teste baseado no valor do conceito de evidência. O objetivo deste trabalho é apresentar a aplicação do FBST para a análise de dados discretos com censura. Alguns exemplos ilustrativos são apresentados comoaplicações da metodologia bayesiana.