Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2016. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2017-02-07T18:01:17Z No. of bitstreams: 1 2016_RobertoLazarteKaqui_Parcial.pdf: 1520374 bytes, checksum: a928fca738d1c1740d25dfd03e5e43e8 (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2017-03-27T13:53:19Z (GMT) No. of bitstreams: 1 2016_RobertoLazarteKaqui_Parcial.pdf: 1520374 bytes, checksum: a928fca738d1c1740d25dfd03e5e43e8 (MD5) / Made available in DSpace on 2017-03-27T13:53:19Z (GMT). No. of bitstreams: 1 2016_RobertoLazarteKaqui_Parcial.pdf: 1520374 bytes, checksum: a928fca738d1c1740d25dfd03e5e43e8 (MD5) / O presente trabalho tem como objetivo propor uma estatística de varredura espacial para dados de contagem com censura. Essa extensão consiste em adaptações no método de varredura tradicional, também conhecido como método Scan, que permitem incorporar a informação da censura no processo de estimação da estatística razão de verossimilhança e no procedimento de verificação da significância do cluster detectado. Este método foi proposto com o intuito de melhorar a performance da estatística Scan na identificação de conglomerados em dados com a presença de censura. Os resultados mostraram que a extensão proposta é mais eficiente que a estatística Scan usual, uma vez que apresentou maior poder de detecção e maior precisão no processo de identificação do cluster. / This paper aims to propose an extension of the Spatial Scan Statistic for censored counting data. This extension consists of adaptations in the traditional Scan method that allows to incorporate the censored data into the estimation process of the likelihood ratio statistic and in the significance test of the detected cluster. This method was proposed with the aim of improving the performance of the Scan statistic in cluster detection in data with the presence of censoring. The results showed that the proposed extension is more efficient than the usual Scan statistic, since it presented greater detection power and greater precision in the cluster identification process.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. / Submitted by Raiane Silva (raianesilva@bce.unb.br) on 2017-07-18T15:47:02Z No. of bitstreams: 1 2017_VanessaSilvaResende.pdf: 1790290 bytes, checksum: 2113a9e077de5258cc6628ebcb59784a (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-08-31T21:45:10Z (GMT) No. of bitstreams: 1 2017_VanessaSilvaResende.pdf: 1790290 bytes, checksum: 2113a9e077de5258cc6628ebcb59784a (MD5) / Made available in DSpace on 2017-08-31T21:45:10Z (GMT). No. of bitstreams: 1 2017_VanessaSilvaResende.pdf: 1790290 bytes, checksum: 2113a9e077de5258cc6628ebcb59784a (MD5) Previous issue date: 2017-08-31 / A censura intervalar ocorre quando não se conhece o tempo de sobrevivência exato, sabe-se somente que ocorreu em um intervalo de tempo. De outra forma, quando todos os indivíduos são avaliados nos mesmos intervalos de tempo, ocasionando muitos empates, têm-se dados grupados. Portanto, os dados de sobrevivência grupados são casos particulares da censura intervalar. Neste trabalho, foi proposto um modelo de regressão para dados de sobrevivência grupados utilizando a distribuição log-beta Burr III, cuja principal característica é a possibilidade da função taxa de falha assumir diferentes formas (crescente, decrescente, unimodal). Posteriormente, foi proposto um modelo de regressão para dados grupados utilizando a distribuição log-Burr III, que um caso particular da distribuição anteriormente citada. Os parâmetros dos modelos foram estimados utilizando os métodos de máxima verossimilhança e bootstrap. Por fim, utilizou-se um conjunto de dados reais para exemplificar a aplicação dos modelos propostos. / Interval-censored data occur when the exact survival times are known only to be in a time interval. When all individuals are evaluated in the same time intervals, causing many ties, we have grouped data. Thus, grouped survival data are particular cases of interval censored data. In this work, a regression model for grouped survival data was developed using log-beta Burr III distribution, which main characteristic is the possibility of the hazard function assuming different forms (increasing, decreasing, unimodal). Also, a regression model for grouped data was developed using log-Burr III distribution, which is a particular case of the aforementioned distribution. The parameters of the models were estimated by maximum likelihood method and bootstrap. Finally, a real data set is used to exemplify the application of the proposed models.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Matemática, 2014. / Submitted by Ana Cristina Barbosa da Silva (annabds@hotmail.com) on 2014-10-15T18:25:39Z No. of bitstreams: 1 2014_EderSilvadeBrito.pdf: 659743 bytes, checksum: 60c4eb78da3ed0c5ec861b8dfe0e37b7 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-10-17T13:44:08Z (GMT) No. of bitstreams: 1 2014_EderSilvadeBrito.pdf: 659743 bytes, checksum: 60c4eb78da3ed0c5ec861b8dfe0e37b7 (MD5) / Made available in DSpace on 2014-10-17T13:44:08Z (GMT). No. of bitstreams: 1 2014_EderSilvadeBrito.pdf: 659743 bytes, checksum: 60c4eb78da3ed0c5ec861b8dfe0e37b7 (MD5) / Neste trabalho, estudamos métodos inferenciais baseados em amostras na presença de censura tipo II progressiva. Primeiramente, apresentamos três modelos envolvendo as distribuições: de Valor Extremo, por Ding e Yu (2012), Exponencial Generalizada, por Ismail (2012), e Lognormal de Três Parâmetros, por Basak et al. (2009). Num segundo momento, baseados no estudo de Lin e Balakrishnan (2011), investigamos as propriedades de consistência e normalidade assintótica de estimadores de máxima verossimilhança para modelos sob esquema de censura tipo-II progressiva. ______________________________________________________________________________ ABSTRACT / In this work, we study inferential methods based on samples in the presence of progressively Type-II censoring. First, we present three models involving distributions: Extreme-Value, by Ding and Yu (2012), Generalized Exponential, by Ismail (2012), and Three-Parameter Lognormal, by Basak et al. (2009). Secondly, based on the study of Lin and Balakrishnan (2011), we investigated the properties of consistency and asymptotic normalityof maximum likelihood estimators for models under a progressive Type-II censoring scheme.