Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-25T23:16:56Z No. of bitstreams: 1 LaisHelenLoose_DISSERT.pdf: 712961 bytes, checksum: 81e1f59eee5a277cc753d5a69895998a (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-08-04T21:23:34Z (GMT) No. of bitstreams: 1 LaisHelenLoose_DISSERT.pdf: 712961 bytes, checksum: 81e1f59eee5a277cc753d5a69895998a (MD5) / Made available in DSpace on 2016-08-04T21:23:34Z (GMT). No. of bitstreams: 1 LaisHelenLoose_DISSERT.pdf: 712961 bytes, checksum: 81e1f59eee5a277cc753d5a69895998a (MD5) Previous issue date: 2016-02-15 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / Os modelos de sobreviv?ncia tratam do estudo do tempo at? a ocorr?ncia de um evento de interesse. Em algumas situa??es, uma propor??o da popula??o pode n?o estar mais sujeita ? ocorr?ncia do evento. Nesse contexto surgiram os modelos com fra??o de cura. Dentre os modelos que incorporam uma fra??o de curados um dos mais conhecidos ? o modelo tempo de promo??o. No presente trabalho abordamos infer?ncias em termos de testes de hip?teses no modelo tempo de promo??o assumindo a distribui??o Weibull para os tempos de falha dos indiv?duos suscet?veis. Os testes de hip?teses nesse modelo podem ser realizados com base nas estat?sticas da raz?o de verossimilhan?as, gradiente, escore ou Wald. Os valores cr?ticos s?o obtidos atrav?s de aproxima??es assint?ticas, que podem conduzir a distor??es no tamanho do teste em amostras de tamanho finito. Nesse sentido, o presente trabalho prop?e corre??es via bootstrap para os testes mencionados e Bartlett bootstrap para a estat?stica da raz?o de verossimilhan?as no modelo tempo de promo??o Weibull. Por meio de simula??es de Monte Carlo comparamos o desempenho em amostras finitas das corre??es propostas com os testes usuais. Os resultados num?ricos obtidos evidenciam o bom desempenho das corre??es propostas. Ao final do trabalho ? apresentadaumaaplica??o a dados reais. / Survival models deals with the modelling of time to event data. In certain situations, a share of the population can no longer be subjected to the event occurrence. In this context, the cure fraction models emerged. Among the models that incorporate a fraction of cured one of the most known is the promotion time model. In the present study we discuss hypothesis testing in the promotion time model with Weibull distribution for the failure times of susceptible individuals. Hypothesis testing in this model may be performed based on likelihood ratio, gradient, score or Wald statistics. The critical values are obtained from asymptotic approximations, which may result in size distortions in nite sample sizes. This study proposes bootstrap corrections to the aforementioned tests and Bartlett bootstrap to the likelihood ratio statistic in Weibull promotion time model. Using Monte Carlo simulations we compared the nite sample performances of the proposed corrections in contrast with the usual tests. The numerical evidence favors the proposed corrected tests. At the end of the work an empirical application is presented.