Spelling suggestions: "subject:"análise bayesian hierárquica"" "subject:"aanálise bayesian hierárquica""
1 |
Uso do processo gama para dados de sobrevivência.Uêda, Shirley Tieko 20 January 2005 (has links)
Made available in DSpace on 2016-06-02T20:06:09Z (GMT). No. of bitstreams: 1
DissSTU.pdf: 632638 bytes, checksum: b51966b8476d470ced42e354cadf0a65 (MD5)
Previous issue date: 2005-01-20 / Financiadora de Estudos e Projetos / In this dissertation, we introduce classical and Bayesian approaches to get inferences
on the parameters of interest, considering exponential and Weibull distributions for the
lifetimes. For a Bayesian analysis, we assume a gamma process for the individual rates
considering type II censoring data and the presence of covariates. We also consider ac-
celerated life tests assuming an inverse power law model and an exponential distribution
for the lifetimes.
The proposed methodology in illustrated in three examples. / Nesta dissertação, apresentamos uma análise clássica e uma abordagem Bayesiana para
obter inferências dos parâmetros de interesse, considerando as distribuições exponencial e
de Weibull para os tempos de sobrevivência. Assumimos um processo gama para as taxas
indivíduais e a presença de covariadas relacionadas com os tempos de sobrevivência com
censuras do tipo II.
Alguns conceitos e resultados de análise estatística de testes de vida acelerados são
apresentados, em particular, um estudo sobre o Modelo de Lei de Potência Inversa, con-
siderando que os tempos de sobrevivência são ajustados por uma distribuição exponencial.
A metodologia proposta neste trabalho está ilustrada a três conjuntos de dados, onde
dois são referentes à análise de sobrevivência com dados médicos e o outro a dados de
confiabilidade.
|
2 |
Aplicações em meta-análise sob um enfoque bayesiano usando dados médicos.Pissini, Carla Fernanda 21 March 2006 (has links)
Made available in DSpace on 2016-06-02T20:06:11Z (GMT). No. of bitstreams: 1
DissCFP.pdf: 956101 bytes, checksum: e21a11e1dc4754a5751b0b0840943082 (MD5)
Previous issue date: 2006-03-21 / Financiadora de Estudos e Projetos / In this work, we consider the use of Meta-analysis with a Bayesian approach. Meta-analysis is a statistical technique that combines the results of di¤erent independent studies with purpose to find general conclusions. This term was introduced by Glass (1976) and it has been used when the number of studies about some research project is small. Usually, the models for Meta-analysis assume a large number of parameters and the Bayesian approach using MCMC (Markov Chain Monte Carlo) methods is a good alternative to combine information of independent studies, to obtain accutrate inferences about a specified treatment. As illustration, we consider real medical data sets on di¤erent studies, in which, we consider fixed and random e¤ects models. We also assume mixture of normal distributions for the error of the models. Another application is considered with
educational data. / Neste trabalho, consideramos o uso de Meta-análise sob um enfoque Bayesiano. Meta-análise é uma técnica estatística que combina resultados de diversos estudos in-dependentes, com o propósito de descrever conclusões gerais. Este termo foi introduzido por Glass (1976) usado quando o número de estudos sobre alguma pesquisa científica é pequeno. Os modelos propostos para Meta-análise usualmente assumem muitos parâmetros e o enfoque Bayesiano com MCMC (Monte Carlo em Cadeias de Markov) é uma alternativa apropriada para combinar informações de estudos independentes. O uso de modelos Bayesianos hierárquicos permite combinações de vários estudos independentes, para a obtenção de inferências precisas sobre um determinado tratamento. Como ilustração numérica consideramos conjuntos de dados médicos de diferentes estudos e, na análise, utilizamos modelos de efeitos fixos e aleatórios e mistura de distribuições normais para o erro do modelo de regressão. Em uma outra aplicação relacionamos Meta-análise e Educação, através do efeito da espectativa do professor associada ao QI dos estudantes.
|
Page generated in 0.2646 seconds