No description available.

En muchos estudios clínicos es muy frecuente el uso de modelo de riesgos proporcionales de Cox; el cual asume riesgos proporcionales y restringe a que el logaritmo de la razón de riesgo sea lineal en las covariables, lo cual en muchos casos no se verifica. En este sentido, una forma funcional no lineal del efecto de las covariables puede ser aproximada por una función spline. En este trabajo, se presenta la metodología del modelo de regresión de Cox usando splines, particularmente regresión splines y P-splines, para aproximar la forma funcional no-lineal de los efectos de las covariables en la función de riesgo. Como una aplicación, se analiza los datos de pacientes con LNH para determinar los factores pronósticos para la supervivencia global. Los resultados muestran que el efecto de las covariables contínuas como hemoglobina, leucocitos, linfocitos y DHL presentan una forma funcional no lineal en el logaritmo de la razón de riesgo. -- Palabras claves: Modelo de Cox, regresión splines, P-splines, LNH. / -- In many clinical studies, Cox proportional hazard model is very common to use, it assumes proportional hazard and restricts the log hazard ratio to be linear in the covariates; these asumptions can not be verified. In this way, a nonlinear functional form of the covariates effect can be approximated by a spline function. In this paper, we present the methodology and an application of Cox model using splines, particularly regression splines and P-splines, to approximate the nonlinear functional form of the effect of covariates on the hazard function. As an application, we analyse data from patients with NHL to determine prognostic factors for overall survival. These results show that the effect of continuous covariates as: hemoglobin, leukocytes, lymphocytes and LDH have a nonlinear form with the log hazard ratio. -- Keywords: Cox model, regression splines, P-spline, NHL. / Tesis

En diversos campos de aplicación se requiere utilizar modelos de regresión para analizar la relación entre dos variables. Cuando esta relación es compleja, es difícil modelar los datos usando técnicas paramétricas tradicionales, por lo que estos casos requieren de la flexibilidad de los modelos no paramétricos para ajustar los datos. Entre los diferentes modelos no paramétricos está la regresión spline penalizada, que puede ser formulada dentro de un marco de modelos lineales mixtos. De este modo, los programas computacionales desarrollados originalmente para la inferencia clásica y Bayesiana de modelos mixtos pueden ser utilizados para estimarlo. La presente tesis se centra en el estudio de la inferencia Bayesiana en el modelo de regresión spline penalizado. Para lograr esto, este trabajo proporciona un marco teórico breve de este modelo semiparamétrico y su relación con el modelo lineal mixto, la inferencia Bayesiana de este modelo, y un estudio de simulación donde se comparan la inferencia clásica y Bayesiana en diferentes escenarios considerando diversos valores del n umero de nodos, tamaños de muestra y niveles de dispersión en la data simulada. Finalmente, en base a los resultados del estudio de simulación, el modelo se aplica para estimar el tiempo de espera en cola de los clientes en agencias bancarias con el fin de calcular la capacidad de personal óptima bajo determinadas metas de nivel de servicio. / Tesis

El presente trabajo estudiará el método propuesto por Tze y Zheng (2006) aplicándolo a la obtención de intervalos de confianza para la mediana de supervivencia de líneas móviles de una empresa de telecomunicaciones. Esta metodología se aplicará con el objeto de conocer el riesgo de vida promedio de la línea móvil así como de qué manera inciden las covariables sobre el tiempo hasta el incumplimiento del pago de los clientes de la empresa. Para ello se hará uso de una extensión del modelo de Cox haciendo uso de la estimación máximo verosímil para obtener nuevas estimaciones del vector de parámetros mediante el método bootstrap lo que permita la construcción de los intervalos de confianza para la mediana de supervivencia. / Tesis

El siguiente trabajo de tesis, estudiará el modelo de regresión de Cox con puntos de cambio en las covariables propuesto por Jensen y Lutkebohmert (2008), realizando el desarrollo y la aplicación para una base de líneas móviles postpago. El objetivo es obtener los parámetros de las covariables y el nuevo parámetro en el modelo que es el punto de cambio, para analizar la manera como estas covariables tienen influencia en la desactivación de una línea a solicitud del cliente. / Tesis

Discrete-time survival models are discussed and applied to the study of which factors are associated with student dropouts at a private university in Lima, Per_u. We studied the characteristics of 26; 790 incoming students enrolled between 2004 and 2012 in all the under-graduate programs at the University. The analysis include the estimation of the survival and hazard functions using the Kaplan-Meier method and the _tting of parametric models using the Cox proportional hazards regression and the Logistic regression for survival analysis, this last one, in order to include time varying variables as predictors. During the period of analysis, the cumulative probability of remain at the University after _ve years was 73.7% [95% CI: 73.1% - 74.4%]. In any period the hazard is greater than 4.4% and this highest value is reached in the 3rd semester. In a multivariate analysis, we found that academic factors (area of study, type of admission, standardized academic performance index, and the percentage of passed credits); economic factors (type of residence, and payment scale); and sociodemographic factors (mother education level, indicators of whether or not parents are alive, and the age of the student) were associated with the risk of dropout. / Tesis

En diversos campos de análisis, especialmente en las ciencias sociales y humanas, se identifican constructos teóricos a los cuales queremos aproximarnos pero que no son directamente observables ni medibles, como por ejemplo, la calidad o satisfacción con un servicio, el nivel de estrés, el nivel de conocimiento en matemáticas, entre otras. Este tipo de constructos son llamados variables latentes y su valor solo puede ser aproximado a través de variables observadas o manifiestas que si pueden ser medidas (Bartholomew et al., 2011). En el Capítulo 2 se presenta consideraciones generales acerca del modelo lineal general de variables latentes y el modelo de clases latentes. En el Capítulo 3 se estudian los modelos de regresión de clases latentes, la estimación de sus parámetros y su implementación computacional. En el Capítulo 4 se presenta los resultados de la aplicación del modelo a un conjunto de datos reales orientados a conocer la valoración de una universidad privada. En el Capítulo 5 se presenta algunas conclusiones, recomendaciones y futuras extensiones que se podrían derivar de este trabajo. / Tesis

Determina los factores asociados con la gravedad de las lesiones por accidentes de tráfico en la región de Madre de Dios, entre 2010 y 2014. El tipo y diseño de la investigación es descriptivo correlacional, observacional; con una muestra de 1514 personas heridas por accidentes de tráfico. Los factores asociados con la gravedad de las lesiones son evaluadas por el modelo de odds proporcionales parciales para variable dependiente ordinal. La edad superior a 65 años y los vehículos motorizados mayores, se identifican como factores de riesgo significativos (p <0,05) para mayores niveles de gravedad de lesiones ocasionados por accidentes de tránsito. Concluye que la edad de lesionado, la condición y el tipo de vehículo, la vía de ocurrencia del accidente y la forma de transferencia de heridos a un hospital están significativamente relacionados con la gravedad de las lesiones. / Tesis

Publicación a texto completo no autorizada por el autor / Estudia la regresión en general y sus tipos, para luego centrarse en el estudio teórico del modelo de regresión no paramétrico Spline, que es un polinomio cúbico por secciones o trozos, demostrándose sus bondades y ductilidad con respecto a los polinomios en general. Al unir dos polinomios para obtener un polinomio por secciones mayormente el punto de unión no es suave o simplemente no se unen, lo que deriva en cambios bruscos, pero si se utilizan polinomios Spline que es un caso particular de los polinomios por secciones, y que tiene como una de sus propiedades que la primera derivada de la función Spline hace que la unión no sea brusca y la segunda derivada permite la concavidad al unir dos polinomios, lográndose una curva suavizada de tendencia continua. En las últimas décadas investigadores están utilizando modelos de regresión no paramétricos para suavizar curvas correspondientes a un conjunto de pares de datos, en demografía para hacer aproximaciones de la tendencia de los componentes demográficos tales como la fecundidad, mortalidad y la población propiamente dicha, por ello en la presente investigación se aplica el modelo de regresión no paramétrico Spline en la suavización la curva correspondiente a la estructura de mortalidad por sexo y edad utilizando datos de las defunciones de las estadísticas vitales del año 2007 y Censo Nacional de Población del 2007, correspondientes al departamento de Lima. Se concluye que la suavización de la estructura de la mortalidad con el Spline es adecuado y se sugiere su utilización como una forma alternativa de suavizamiento de dicha estructura. / Tesis

Se presentan medidas para detectar e identificar observaciones influyentes, que han sido ampliamente desarrollados en el área de robustez y principalmente en el contexto de los modelos de regresión lineal, en cuya línea argumental, cabe citar los trabajos de Belsley (1982), Cook (1986), Atkinson (1986) entre otros. El modelo de Componentes Principales Comunes según Flury (1984) para varios grupos de observaciones multivariantes asume que las variables transformadas según este modelo, tienen ejes principales iguales en todos los grupos pero diferentes matrices de covarianzas a lo largo de los ejes comunes entre los grupos. En el presente trabajo, se presentan medidas para identificar observaciones influyentes cuando los datos siguen el modelo de. También se ve la aproximación entre los elementos de la diagonal de la matriz de influencia local con los elementos de la diagonal de la matriz leverage, por lo que nos permiten detectar conjuntos de observaciones cuyos efectos simultáneos coinciden en la identificación de dichas observaciones influyentes y se ilustra con algunas aplicaciones en la botánica y agricultura. El método, se basa en la búsqueda de una estructura común, una rotación (común), que diagonalice las matrices de covarianza de los datos originales simultáneamente en todas las poblaciones, a partir de la comparación de las matrices de covarianzas. La hipótesis para la estructura básica común de las matrices de covarianza (definidas positivas) para poblaciones es: donde: es la matriz ortogonal de autovectores, son las matrices diagonales de autovalores y es la matriz de covarianza de la población -ésima. / We present measures to detect and identify influential observations, which have been widely developed in the area of robust and mainly in the context of linear regression models, whose story line, include the work of Belsley (1982), Cook (1986), Atkinson (1986) among others. The Common Principal Component Model by Flury (1984) for several groups of multivariate observations assume that the transformed variables in this model, with major axes equal in all groups but different covariance matrices along common axes groups. In this paper, we present measures for identifying influential observations when the data follow the model of. Is also aligning the diagonal elements of the matrix of local influence of the diagonal elements of the matrix leverage, so allow us to detect sets of observations which coincide simultaneous effects in the identification of these influential observations and illustrated with some applications in botany and agriculture. The method is based on finding a common structure, a rotation (common), which diagonalice covariance matrices of the original data simultaneously in all populations, from the comparison of covariance matrices. The hypothesis for the common basic structure of covariance matrices (positive definite) for populations is: , where: is an orthogonal matrix of eigenvectors, are diagonal matrices of eigenvalues and is the covariance matrix of the th -population.