Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos

Autor(es)

Gilberto de Araujo Pereira

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 1998-07-15

Membros da banca

Jorge Alberto Achcar; Heleno Bolfarine; Jorge Oishi

• Orientador: Jorge Alberto Achcar

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. (AU)

• Processo FAPESP: 97/01533-8 - Modelos de misturas para dados de sobrevivência na presença de covariáveis, uso de métodos bayesianos
• Beneficiário: Gilberto de Araújo Pereira
• Modalidade de apoio: Bolsas no Brasil - Mestrado