Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos
Autor(a) principal: | |
---|---|
Data de Publicação: | 1998 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032018-084127/ |
Resumo: | Nesta dissertação, desenvolvemos uma análise Bayesiana de modelos de mistura finita de distribuições, para dados de sobrevivência sem censura, com censura tipo II e dados censurados por intervalos, na presença de uma covariável. Consideramos os algoritmos amostrador de Gibbs com Metropolis-Hastings, e utilizamos os estimadores de Monte Carlo para conseguir as quantitades à posteriori de interesse, assumindo diferentes escolhas para as (J = 2) densidades no modelo de mistura, como por exemplo a mistura de, duas distribuições potência exponencial a qual considera uma grande classe de distribuições simétricas, duas distribuições normais, normal-exponencial e gamma-normal. Apresentamos também ah gumas considerações na seleção do modelo utilizando as densidades preditivas (CP0)preditivas condicionais ordenadas e introduzimos três exemplos numéricos para ilustrar a metodologia proposta. |
id |
USP_6d0b4f1a7be3220d40ea2e2071ccd4d1 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-15032018-084127 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos BayesianosNot availableNão disponívelNot availableNesta dissertação, desenvolvemos uma análise Bayesiana de modelos de mistura finita de distribuições, para dados de sobrevivência sem censura, com censura tipo II e dados censurados por intervalos, na presença de uma covariável. Consideramos os algoritmos amostrador de Gibbs com Metropolis-Hastings, e utilizamos os estimadores de Monte Carlo para conseguir as quantitades à posteriori de interesse, assumindo diferentes escolhas para as (J = 2) densidades no modelo de mistura, como por exemplo a mistura de, duas distribuições potência exponencial a qual considera uma grande classe de distribuições simétricas, duas distribuições normais, normal-exponencial e gamma-normal. Apresentamos também ah gumas considerações na seleção do modelo utilizando as densidades preditivas (CP0)preditivas condicionais ordenadas e introduzimos três exemplos numéricos para ilustrar a metodologia proposta.In this dissertation, we present a Bayesian analysis of distributions finite mixture models, for survival data uncensored, type II censoring and interval-censored data, In the presence of one covaziate. Considering Gibbs sampling with Metropolis-Hastings algorithms, we get Monte Cano estimates for the posterior quantities of interest, assuming different choices for the (J = 2) densities in the mixture model, for example a mixture, two exponential power distributions which includes a wider class of symmetric distributions, two normal distributions, normal-exponential and gammanormal distributions. We also present some considerations on model selection, considering the predictive densities (CPO) conditional predictive ordinate, and we introduce three numerical example to illustrate the proposed methodology.Biblioteca Digitais de Teses e Dissertações da USPAchcar, Jorge AlbertoPereira, Gilberto de Araujo1998-07-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032018-084127/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2018-07-19T20:50:39Zoai:teses.usp.br:tde-15032018-084127Biblioteca 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:27212018-07-19T20:50:39Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos Not available |
title |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos |
spellingShingle |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos Pereira, Gilberto de Araujo Não disponível Not available |
title_short |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos |
title_full |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos |
title_fullStr |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos |
title_full_unstemmed |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos |
title_sort |
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos |
author |
Pereira, Gilberto de Araujo |
author_facet |
Pereira, Gilberto de Araujo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Achcar, Jorge Alberto |
dc.contributor.author.fl_str_mv |
Pereira, Gilberto de Araujo |
dc.subject.por.fl_str_mv |
Não disponível Not available |
topic |
Não disponível Not available |
description |
Nesta dissertação, desenvolvemos uma análise Bayesiana de modelos de mistura finita de distribuições, para dados de sobrevivência sem censura, com censura tipo II e dados censurados por intervalos, na presença de uma covariável. Consideramos os algoritmos amostrador de Gibbs com Metropolis-Hastings, e utilizamos os estimadores de Monte Carlo para conseguir as quantitades à posteriori de interesse, assumindo diferentes escolhas para as (J = 2) densidades no modelo de mistura, como por exemplo a mistura de, duas distribuições potência exponencial a qual considera uma grande classe de distribuições simétricas, duas distribuições normais, normal-exponencial e gamma-normal. Apresentamos também ah gumas considerações na seleção do modelo utilizando as densidades preditivas (CP0)preditivas condicionais ordenadas e introduzimos três exemplos numéricos para ilustrar a metodologia proposta. |
publishDate |
1998 |
dc.date.none.fl_str_mv |
1998-07-15 |
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 |
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032018-084127/ |
url |
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032018-084127/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
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_ |
1809090735870312448 |