Spelling suggestions: "subject:"distribuição inversa gaussiana"" "subject:"distribuição inversa maussiana""
1 |
Defective models for cure rate modelingRocha, Ricardo Ferreira da 01 April 2016 (has links)
Submitted by Bruna Rodrigues (bruna92rodrigues@yahoo.com.br) on 2016-10-03T11:30:55Z
No. of bitstreams: 1
TeseRFR.pdf: 5229141 bytes, checksum: 6f0e842f89ed4a41892f27532248ba4a (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T17:37:43Z (GMT) No. of bitstreams: 1
TeseRFR.pdf: 5229141 bytes, checksum: 6f0e842f89ed4a41892f27532248ba4a (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T17:37:50Z (GMT) No. of bitstreams: 1
TeseRFR.pdf: 5229141 bytes, checksum: 6f0e842f89ed4a41892f27532248ba4a (MD5) / Made available in DSpace on 2016-10-10T17:37:59Z (GMT). No. of bitstreams: 1
TeseRFR.pdf: 5229141 bytes, checksum: 6f0e842f89ed4a41892f27532248ba4a (MD5)
Previous issue date: 2016-04-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Modeling of a cure fraction, also known as long-term survivors, is a part of survival analysis. It studies cases where supposedly there are observations not susceptible to the event of interest. Such cases require special theoretical treatment, in a way that the modeling assumes the existence of such observations. We need to use some strategy to make the survival function converge to a value p 2 (0; 1), representing the cure rate. A way to model cure rates is to use defective distributions. These distributions are characterized by having probability density functions which integrate to values less than one when the
domain of some of their parameters is di erent from that usually de ned. There is not so much literature about these distributions. There are at least two distributions in the literature that can be used for defective modeling: the Gompertz and inverse Gaussian distribution. The defective models have the advantage of not need the assumption of the presence of immune individuals in the data set. In order to use the defective distributions theory in a competitive way, we need a larger variety of these distributions. Therefore, the main objective of this work is to increase the number of defective distributions that can be used in the cure rate modeling. We investigate how to extend baseline models using some family of distributions. In addition, we derive a property of the Marshall-Olkin family of distributions that allows one to generate new defective models. / A modelagem da fração de cura e uma parte importante da an álise de sobrevivência. Essa área estuda os casos em que, supostamente, existem observa ções não suscetíveis ao evento de interesse. Tais casos requerem um tratamento teórico especial, de forma que a modelagem pressuponha a existência de tais observações. E necessário usar alguma
estratégia para tornar a função de sobrevivência convergente para um valor p 2 (0; 1), que represente a taxa de cura. Uma forma de modelar tais frações e por meio de distribui ções defeituosas. Essas distribuições são caracterizadas por possuirem
funções de densidade de probabilidade que integram em valores inferiores a um quando o domínio de alguns dos seus parâmetros e diferente daquele em que e usualmente definido. Existem, pelo menos, duas distribuições defeituosas na literatura: a Gompertz e a inversa Gaussiana. Os modelos defeituosos têm a vantagem de não precisar pressupor a presença de indivíduos imunes no conjunto de dados. Para utilizar a teoria de d
istribuições defeituosas de forma competitiva e necessário uma maior variedade dessas distribuições. Portanto, o principal objetivo deste trabalho e aumentar o n úmero de distribuições defeituosas que podem ser utilizadas na modelagem de frações de curas. Nós investigamos como estender os modelos defeituosos básicos utilizando certas famílias de distribuições. Além disso, derivamos uma propriedade da famí lia Marshall-Olkin de distribuições que permite gerar uma nova classe de modelos defeituosos.
|
2 |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuosCascone, Marcos Henrique 24 March 2011 (has links)
Made available in DSpace on 2016-06-02T20:06:04Z (GMT). No. of bitstreams: 1
3603.pdf: 602959 bytes, checksum: 3078931e73ff3d01b4122cbac2c7f0a0 (MD5)
Previous issue date: 2011-03-24 / Financiadora de Estudos e Projetos / In this work, the aim was to analyze in the classic and bayesian context, the GARMA model with three different continuous distributions: Gaussian, Inverse Gaussian and Gamma. We analyzed the performance and the goodness of fit of the three models, as well as the performance of the coverage percentile. In the classic analyze we consider the maximum likelihood estimator and by simulation study, we verified the consistency, the bias and de mean square error of the models. To the bayesian approach we proposed a non-informative prior distribution for the parameters of the model, resulting in a posterior distribution, which we found the bayesian estimatives for the parameters. This study still was not found in the literature. So, we can observe that the bayesian inference showed a good quality in the analysis of the serie, which can be comprove with the last section of this work. This, consist in the analyze of a real data set corresponding in the rate of tuberculosis cases in metropolitan area of Sao Paulo. The results show that, either the classical and bayesian approach, are good alternatives to describe the behavior of the real time serie. / Neste trabalho, o objetivo foi analisar no contexto clássico e bayesiano, o modelo GARMA com três distribuições contínuas: Gaussiana (Normal), Inversa Gaussiana e Gama, e também o desempenho e a qualidade do ajuste dos modelos de interesse, bem como o desempenho dos percentis de cobertura para eles. Para o estudo clássico foi considerado os estimadores de máxima verossimilhança e por meio de simulação verificou-se a consistência, o viés e o erro quadrático médio dos mesmos. Para a abordagem bayesiana é proposta uma distribuição a priori não informativa para os parâmetros dos modelos resultando em uma distribuição a posteriori, o qual a partir daí pode-se encontrar as estimativas bayesianas para os parâmetros, sendo que este estudo ainda não foi encontrado na literatura. Com isso pode-se observar que a inferência bayesiana mostrou boa eficiência no processo de análise da série, o que pode ser comprovado também com a última etapa do trabalho. Esta, consiste na análise de um conjunto de dados reais correspondente a taxa de casos de tuberculose na região metropolitana de São Paulo. Os resultados mostram que, tanto o estudo clássico quanto o bayesiano, são capazes de descrever bem o comportamento da série.
|
Page generated in 0.1051 seconds