Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.

Detalhes bibliográficos
Autor(a) principal: Reis, Milena de Souza
Data de Publicação: 2008
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122637/
Resumo: O modelo de regressão de Cox é extensamente utilizado em estudos nos quais o objetivo é analisar a relação entreas covariáveis e o tempo até a ocorrência de um evento de interesse. O modelo de riscos proporcionais assume que os coeficientes da regressão são constantes. Entretanto, verificamos em diferentes conjuntos de dados que essa suposição não é sdatisfeita, isto é, as covariáveis do modelo apresentam efeitos do tempo. Neste trabalho, apresentamos uma metodologia para a análise do modelo de Cox com coeficientes dependentes do tempo. Os coeficientes são estimados através da suavização da função de verossimilhança parcial ponderada por uma função Kernel. Os métodos apresentados são ilustrados através de um exemplo de dados reais e de uma simulação.
id USP_b6aac79605b927deebba7ee227c0f264
oai_identifier_str oai:teses.usp.br:tde-20220712-122637
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.not availableProcessos EstocásticosO modelo de regressão de Cox é extensamente utilizado em estudos nos quais o objetivo é analisar a relação entreas covariáveis e o tempo até a ocorrência de um evento de interesse. O modelo de riscos proporcionais assume que os coeficientes da regressão são constantes. Entretanto, verificamos em diferentes conjuntos de dados que essa suposição não é sdatisfeita, isto é, as covariáveis do modelo apresentam efeitos do tempo. Neste trabalho, apresentamos uma metodologia para a análise do modelo de Cox com coeficientes dependentes do tempo. Os coeficientes são estimados através da suavização da função de verossimilhança parcial ponderada por uma função Kernel. Os métodos apresentados são ilustrados através de um exemplo de dados reais e de uma simulação.not availableBiblioteca Digitais de Teses e Dissertações da USPLima, Antonio Carlos Pedroso deReis, Milena de Souza2008-04-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122637/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/openAccesspor2024-08-16T15:19:02Zoai:teses.usp.br:tde-20220712-122637Biblioteca 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:27212024-08-16T15:19:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
not available
title Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
spellingShingle Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
Reis, Milena de Souza
Processos Estocásticos
title_short Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
title_full Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
title_fullStr Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
title_full_unstemmed Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
title_sort Avaliação de funções Kernel no modelo de Cox com efeitos dinâmicos.
author Reis, Milena de Souza
author_facet Reis, Milena de Souza
author_role author
dc.contributor.none.fl_str_mv Lima, Antonio Carlos Pedroso de
dc.contributor.author.fl_str_mv Reis, Milena de Souza
dc.subject.por.fl_str_mv Processos Estocásticos
topic Processos Estocásticos
description O modelo de regressão de Cox é extensamente utilizado em estudos nos quais o objetivo é analisar a relação entreas covariáveis e o tempo até a ocorrência de um evento de interesse. O modelo de riscos proporcionais assume que os coeficientes da regressão são constantes. Entretanto, verificamos em diferentes conjuntos de dados que essa suposição não é sdatisfeita, isto é, as covariáveis do modelo apresentam efeitos do tempo. Neste trabalho, apresentamos uma metodologia para a análise do modelo de Cox com coeficientes dependentes do tempo. Os coeficientes são estimados através da suavização da função de verossimilhança parcial ponderada por uma função Kernel. Os métodos apresentados são ilustrados através de um exemplo de dados reais e de uma simulação.
publishDate 2008
dc.date.none.fl_str_mv 2008-04-04
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://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122637/
url https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122637/
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_ 1809090936152522752

Registros relacionados