Familia weibull de razao de chances na presenca de covariaveis.

• Processo: 07/02750-6
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de setembro de 2007
• Data de Término da vigência: 31 de agosto de 2008
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade
• Pesquisador responsável: Francisco Louzada Neto
• Beneficiário: André Yoshizumi Gomes
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Palavra(s)-Chave do Pesquisador: Estudos de Simulação | Funções de Risco não Monotonicas | Generalização Distribuição de Weibull | Inferência Clássica e Bayesiana | Sobrevivência e Confiabilidade

Resumo

A distribuição Weibull é uma escolha inicial freqüente para modelagem de dados com taxas de risco monótonas. Entretanto, esta distribuição não fornece um ajuste paramétrico razoável quando as funções de risco assumem um formato unimodal ou em forma de banheira. Neste contexto, Cooray (2006) propôs uma generalização da família Weibull considerando a distribuição da razão de chances das famílias Weibull e Weibull inversa, referida como família Weibull de razão de chances. Esta família não é apenas conveniente para modelar taxas de risco em forma de banheira, mas também é adequada para testar a adequabilidade do ajuste das famílias Weibull e Weibull inversa como submodelos. Além disso, a família Weibull de razão de chances acomoda os cinco principais formatos de risco: constante, crescente, decrescente, unimodal e banheira. Neste projeto pretendemos estudar sistematicamente família Weibull de razão de chances e suas propriedades, apontando as motivações para o seu uso, inserir covariáveis no modelo, verificar as dificuldades referentes ao problema da estimação de máxima verossimilhança dos parâmetros do modelo e propor metodologia de estimação intervalar e construção de testes de hipóteses para os parâmetros do modelo via métodos de reamostragem. Comparar os resultados obtidos por meio dos métodos de reamostragem com os resultados obtidos via teoria assintótica. A probabilidade de cobertura dos intervalos de confiança propostos quanto o tamanho e poder dos testes de hipóteses considerados serão estudados via simulação Monte Carlo. Além disso, proporemos metodologia Bayesiana de estimação para os parâmetros do modelo baseados em técnicas de simulação de Monte Carlo via Cadeias de Markov.