Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração

Detalhes bibliográficos
Autor(a) principal: D'Andrea, Amanda Morales Eudes
Data de Publicação: 2015
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/104/104131/tde-19082019-102540/
Resumo: Em análise de sobrevivência estuda-se o tempo até a ocorrência de um determinado evento de interesse e na literatura, a abordagem mais usual é a paramétrica, em que os dados seguem uma distribuição de probabilidade. Diversas distribuições conhecidas são utilizadas para acomodar dados de tempos de falha, porém, grande parte destas distribuições não é capaz de acomodar funções de risco não monótonas. Kumaraswamy (1980) propôs uma nova distribuição de probabilidade e, baseada nela, mais recentemente Cordeiro e de Castro (2011) propuseram uma nova família de distribuições generalizadas, a Kumaraswamy generalizada (Kum-G). Esta distribuição além de ser flexível, contém distribuições com funções de risco unimodal e em forma de banheira. O objetivo deste trabalho é apresentar a família de distribuições Kum-Ge seus casos particulares para analisar dados de tempo de vida dos indivíduos em risco, considerando que uma parcela da população nunca apresentará o evento de interesse, além de considerarmos que covariáveis influenciem na função de sobrevivência e na proporção de curados da população. Algumas propriedades destes modelos serão abordadas, bem como métodos adequa- dos de estimação, tanto na abordagem clássica quanto na bayesiana. Por fim, são apresentadas aplicações de tais modelos a conjuntos de dados existentes na literatura.
id USP_b3d1ce9120c77de64a0a1a2572ae5ed0
oai_identifier_str oai:teses.usp.br:tde-19082019-102540
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Família Kumaraswamy-G para analisar dados de sobrevivência de longa duraçãoKumaraswamy-G family to analyze long-term survival dataAbordagem BayesianaAnálise de sobrevivênciaBayesian approachCovariatesCovariáveisGeneralized KumaraswamyHealing fraction modelKumaraswamy generalizadaModelo de fração de curaSurvival analysisEm análise de sobrevivência estuda-se o tempo até a ocorrência de um determinado evento de interesse e na literatura, a abordagem mais usual é a paramétrica, em que os dados seguem uma distribuição de probabilidade. Diversas distribuições conhecidas são utilizadas para acomodar dados de tempos de falha, porém, grande parte destas distribuições não é capaz de acomodar funções de risco não monótonas. Kumaraswamy (1980) propôs uma nova distribuição de probabilidade e, baseada nela, mais recentemente Cordeiro e de Castro (2011) propuseram uma nova família de distribuições generalizadas, a Kumaraswamy generalizada (Kum-G). Esta distribuição além de ser flexível, contém distribuições com funções de risco unimodal e em forma de banheira. O objetivo deste trabalho é apresentar a família de distribuições Kum-Ge seus casos particulares para analisar dados de tempo de vida dos indivíduos em risco, considerando que uma parcela da população nunca apresentará o evento de interesse, além de considerarmos que covariáveis influenciem na função de sobrevivência e na proporção de curados da população. Algumas propriedades destes modelos serão abordadas, bem como métodos adequa- dos de estimação, tanto na abordagem clássica quanto na bayesiana. Por fim, são apresentadas aplicações de tais modelos a conjuntos de dados existentes na literatura.In survival analysis is studied the time until the occurrence of a particular event of interest and in the literature, the most common approach is parametric, that the data follow a probability distribution. Various known distributions are used to accommodate failure times data, however, most of these distributions is not able to accommodate non monotonous hazard functions. Kumaraswamy (1980) proposed a new probability distribution and, based on it, most recently Cordeiro e de Castro (2011) proposed a new family of generalized distributions, Kumaraswamy generalized (Kum-G). This distribution besides being flexible, has distributions with unimodal and tub form of hazard functions. The objective of this paper is to present the family of Kum-G distributions and their particular cases to analyze lifetime data of individuals at risk, considering that part of the population never present the event of interest, and considering that covariates influencing in the survival function and the cured proportion of the population. Some properties of these models will be discussed as well as appropriate estimation methods, in the classical and Bayesian approaches. Finally, applications of such models are presented to data sets existingin the literature.Biblioteca Digitais de Teses e Dissertações da USPTomazella, Vera Lucia DamascenoD'Andrea, Amanda Morales Eudes2015-02-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/104/104131/tde-19082019-102540/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/openAccesspor2019-08-20T23:16:09Zoai:teses.usp.br:tde-19082019-102540Biblioteca 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:27212019-08-20T23:16:09Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
Kumaraswamy-G family to analyze long-term survival data
title Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
spellingShingle Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
D'Andrea, Amanda Morales Eudes
Abordagem Bayesiana
Análise de sobrevivência
Bayesian approach
Covariates
Covariáveis
Generalized Kumaraswamy
Healing fraction model
Kumaraswamy generalizada
Modelo de fração de cura
Survival analysis
title_short Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
title_full Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
title_fullStr Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
title_full_unstemmed Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
title_sort Família Kumaraswamy-G para analisar dados de sobrevivência de longa duração
author D'Andrea, Amanda Morales Eudes
author_facet D'Andrea, Amanda Morales Eudes
author_role author
dc.contributor.none.fl_str_mv Tomazella, Vera Lucia Damasceno
dc.contributor.author.fl_str_mv D'Andrea, Amanda Morales Eudes
dc.subject.por.fl_str_mv Abordagem Bayesiana
Análise de sobrevivência
Bayesian approach
Covariates
Covariáveis
Generalized Kumaraswamy
Healing fraction model
Kumaraswamy generalizada
Modelo de fração de cura
Survival analysis
topic Abordagem Bayesiana
Análise de sobrevivência
Bayesian approach
Covariates
Covariáveis
Generalized Kumaraswamy
Healing fraction model
Kumaraswamy generalizada
Modelo de fração de cura
Survival analysis
description Em análise de sobrevivência estuda-se o tempo até a ocorrência de um determinado evento de interesse e na literatura, a abordagem mais usual é a paramétrica, em que os dados seguem uma distribuição de probabilidade. Diversas distribuições conhecidas são utilizadas para acomodar dados de tempos de falha, porém, grande parte destas distribuições não é capaz de acomodar funções de risco não monótonas. Kumaraswamy (1980) propôs uma nova distribuição de probabilidade e, baseada nela, mais recentemente Cordeiro e de Castro (2011) propuseram uma nova família de distribuições generalizadas, a Kumaraswamy generalizada (Kum-G). Esta distribuição além de ser flexível, contém distribuições com funções de risco unimodal e em forma de banheira. O objetivo deste trabalho é apresentar a família de distribuições Kum-Ge seus casos particulares para analisar dados de tempo de vida dos indivíduos em risco, considerando que uma parcela da população nunca apresentará o evento de interesse, além de considerarmos que covariáveis influenciem na função de sobrevivência e na proporção de curados da população. Algumas propriedades destes modelos serão abordadas, bem como métodos adequa- dos de estimação, tanto na abordagem clássica quanto na bayesiana. Por fim, são apresentadas aplicações de tais modelos a conjuntos de dados existentes na literatura.
publishDate 2015
dc.date.none.fl_str_mv 2015-02-25
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/104/104131/tde-19082019-102540/
url http://www.teses.usp.br/teses/disponiveis/104/104131/tde-19082019-102540/
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_ 1815257176433754112

Registros relacionados