Modelos de Sobrevivência Bivariados Baseados na Cópula PVF
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://doi.org/10.11606/D.104.2020.tde-06082020-095824 |
Resumo: | Uma alternativa desenvolvida para estudar associações entre os tempos de sobrevivência multivariados é o uso dos modelos baseados em funções cópulas. Neste trabalho, utilizamos o modelo de sobrevivência derivado da cópula PVF, baseada na distribuição Power Variance Function, para modelar a dependência de dados bivariados na presença de covariáveis e observações censuradas. Para fins inferenciais, realizamos uma abordagem Bayesiana usando métodos Monte Carlo em Cadeias de Markov (MCMC). Algumas discussões sobre os critérios de seleção de modelos são apresentadas. Com o objetivo de detectar observações influentes utilizamos o método Bayesiano de análise de influência de deleção de casos baseado na divergência ψ. Por fim, ilustramos a aplicabilidade dos modelos propostos a conjuntos de dados simulados e reais. |
id |
USP_651cf9b15878e9cc36cdd66d01fc4d1b |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-06082020-095824 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Modelos de Sobrevivência Bivariados Baseados na Cópula PVF Bivariate Survival Models Based on PVF Copula 2020-03-13Adriano Kamimura SuzukiErlandson Ferreira SaraivaPaulo Henrique Ferreira da SilvaThiago Ramos BiondoUniversidade de São PauloEstatísticaUSPBR Análise de sobrevivência Bayesian inference Copula functions Cópula PVF Funções cópulas Inferência bayesiana PVF copula Simulação Simulation Survival analysis Uma alternativa desenvolvida para estudar associações entre os tempos de sobrevivência multivariados é o uso dos modelos baseados em funções cópulas. Neste trabalho, utilizamos o modelo de sobrevivência derivado da cópula PVF, baseada na distribuição Power Variance Function, para modelar a dependência de dados bivariados na presença de covariáveis e observações censuradas. Para fins inferenciais, realizamos uma abordagem Bayesiana usando métodos Monte Carlo em Cadeias de Markov (MCMC). Algumas discussões sobre os critérios de seleção de modelos são apresentadas. Com o objetivo de detectar observações influentes utilizamos o método Bayesiano de análise de influência de deleção de casos baseado na divergência ψ. Por fim, ilustramos a aplicabilidade dos modelos propostos a conjuntos de dados simulados e reais. An alternative developed to study associations among multivariate survival times is the use of models based on copula functions. In this work, we use the survival model derived from the PVF copula, based on the Power Variance Function distribution, to model the dependence of bivariate data in the presence of covariates and censored observations. For inferential purposes, we perform a Bayesian approach using Monte Carlo Markov Chain (MCMC) methods. Some discussions about model selection criteria are presented. In order to detect influential observations, we used the Bayesian method of deletion influence analysis of cases based on divergence ψ. Finally, we show the applicability of the proposed models to simulated and real datasets https://doi.org/10.11606/D.104.2020.tde-06082020-095824info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:20:22Zoai:teses.usp.br:tde-06082020-095824Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T12:14:05.758253Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.pt.fl_str_mv |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF |
dc.title.alternative.en.fl_str_mv |
Bivariate Survival Models Based on PVF Copula |
title |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF |
spellingShingle |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF Thiago Ramos Biondo |
title_short |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF |
title_full |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF |
title_fullStr |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF |
title_full_unstemmed |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF |
title_sort |
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF |
author |
Thiago Ramos Biondo |
author_facet |
Thiago Ramos Biondo |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Adriano Kamimura Suzuki |
dc.contributor.referee1.fl_str_mv |
Erlandson Ferreira Saraiva |
dc.contributor.referee2.fl_str_mv |
Paulo Henrique Ferreira da Silva |
dc.contributor.author.fl_str_mv |
Thiago Ramos Biondo |
contributor_str_mv |
Adriano Kamimura Suzuki Erlandson Ferreira Saraiva Paulo Henrique Ferreira da Silva |
description |
Uma alternativa desenvolvida para estudar associações entre os tempos de sobrevivência multivariados é o uso dos modelos baseados em funções cópulas. Neste trabalho, utilizamos o modelo de sobrevivência derivado da cópula PVF, baseada na distribuição Power Variance Function, para modelar a dependência de dados bivariados na presença de covariáveis e observações censuradas. Para fins inferenciais, realizamos uma abordagem Bayesiana usando métodos Monte Carlo em Cadeias de Markov (MCMC). Algumas discussões sobre os critérios de seleção de modelos são apresentadas. Com o objetivo de detectar observações influentes utilizamos o método Bayesiano de análise de influência de deleção de casos baseado na divergência ψ. Por fim, ilustramos a aplicabilidade dos modelos propostos a conjuntos de dados simulados e reais. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-03-13 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://doi.org/10.11606/D.104.2020.tde-06082020-095824 |
url |
https://doi.org/10.11606/D.104.2020.tde-06082020-095824 |
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 de São Paulo |
dc.publisher.program.fl_str_mv |
Estatística |
dc.publisher.initials.fl_str_mv |
USP |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1794502519966138368 |