Made available in DSpace on 2016-06-02T20:04:50Z (GMT). No. of bitstreams: 1 2908.pdf: 926637 bytes, checksum: f4afd93017b2cb0c95459918a00dc65d (MD5) Previous issue date: 2010-03-05 / Financiadora de Estudos e Projetos / In this thesis it is proposed to analyze recurrent event data, recurrent event data with cure fraction and recurrent event data with censoring and competing causes. For the recurrent event data analysis it is proposed a multiple time scale survival model, which includes several particular cases. For recurrent event data with a cure fraction we consider a multiple time scale survival models embedded on a mixture cure fraction modeling. It is also proposed a general model to survival data in presence of competitive causes. In this case, it is assumed that the number of competitive causes follows a generalized negative binomial distribution. While, for the time of occurrence of each cause, a Weibull and a log-logistic distribution were considered. Simulations studies were conducted for every proposed model in order to analyze the asymptotical properties of the estimation procedures. Both, maximum likelihood and Bayesian approaches were considered for parameter estimation. Real data applications demonstrate de use of the proposed models. / Neste trabalho propomos analisar dados de eventos recorrentes, dados de eventos recorrentes com fração de cura e dados de eventos recorrentes com tempos não observados e causas competitivas, que implicam na possibilidade de cura. Para a análise de dados de evento recorrente propomos um modelo de escala múltipla de tempo, que engloba diversas classes de modelos como casos particulares. Na análise de dados de eventos recorrentes com fração de cura tivemos como base os modelos de escala múltipla de tempo e o modelo de mistura padrão. Também propomos um modelo geral para tratar de dados na presença de causas competitivas. Neste caso, assumimos que o número de causas competitivas segue uma distribuição binomial negativa generalizada e consideramos duas abordagens para o tempo de ocorrência de cada causa, sendo uma delas uma distribuição Weibull e a outra uma distribuição log-logística. Para todos os modelos propostos foram feitos estudos de simulação com o objetivo de analisar as propriedades frequentistas dos processos de estimação. Aplicações a conjuntos de dados reais mostraram a aplicabilidade dos modelos propostos.

Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funções de ligações probito, logito, complemento log-log, transformação box-cox e probito-assimétrico. Na abordagem clássica apresentamos as suposições e o procedimento para ajustar o modelo de regressão e verificamos a precisão dos parâmetros estimados, construindo intervalos de confiança e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori não informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáveis auxiliares para obter a distribuição a posteriori conhecida, facilitando a implementação do algoritmo do Amostrador de Gibbs. No entanto, a introdução destas variáveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelação. Através do estudo de simulação mostramos que na inferência clássica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confiança assintótica está de acordo com o esperado na teoria assintótica. Na inferência bayesiana constatamos que o uso de variáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrático médio (EQM), erro percentual absoluto médio (MAPE) e erro percentual absoluto médio simétrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variação do Ibovespa e a variação do valor diário do fechamento da cotação do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variáveis que influenciam a aprovação do aluno. / The objective of this work is to study the binary regression model under the frequentist and Bayesian approaches using the probit, logit, log-log complement, Box-Cox transformation and skewprobit as link functions. In the classical approach we presented assumpti- ons and procedures used in the regression modeling. We verified the accuracy of the estimated parameters by building confidence intervals and conducting hypothesis tests. In the Bayesian approach we made a comparative study using two methodologies. For the first methodology, we considered non-informative prior distributions and the Metropolis-Hastings algorithm to estimate the model. In the second methodology we used auxiliary variables to obtain the known a posteriori distribution, allowing the use of the Gibbs Sampler algorithm. However, the introduction of these auxiliary variables can generate correlated values and needs the use of clustering of unknown quantities in blocks to reduce the autocorrelation. In the simulation study we used the AIC and BIC information criteria to select the most appropriate model and we evaluated whether the coverage probabilities of the confidence interval is in agre- ement with that expected by the asymptotic theory. In Bayesian approach we found that the inclusion of auxiliary variables in the model results in a more efficient algoritm according to the MSE, MAPE and SMAPE criteria. In this work we also present applications to two real datasets. The first dataset used is the variation of the Ibovespa and variation of the daily value of the American dollar at the time of closing the 2013 to 2016. The second dataset, used is an educational data set (INEP-2013), where we are interested in studying the factors that influence the approval of the student.

Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funções de ligações probito, logito, complemento log-log, transformação box-cox e probito-assimétrico. Na abordagem clássica apresentamos as suposições e o procedimento para ajustar o modelo de regressão e verificamos a precisão dos parâmetros estimados, construindo intervalos de confiança e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori não informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáveis auxiliares para obter a distribuição a posteriori conhecida, facilitando a implementação do algoritmo do Amostrador de Gibbs. No entanto, a introdução destas variáveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelação. Através do estudo de simulação mostramos que na inferência clássica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confiança assintótica está de acordo com o esperado na teoria assintótica. Na inferência bayesiana constatamos que o uso de variáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrático médio (EQM), erro percentual absoluto médio (MAPE) e erro percentual absoluto médio simétrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variação do Ibovespa e a variação do valor diário do fechamento da cotação do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variáveis que influenciam a aprovação do aluno. / The objective of this work is to study the binary regression model under the frequentist and Bayesian approaches using the probit, logit, log-log complement, Box-Cox transformation and skewprobit as link functions. In the classical approach we presented assumpti- ons and procedures used in the regression modeling. We verified the accuracy of the estimated parameters by building confidence intervals and conducting hypothesis tests. In the Bayesian approach we made a comparative study using two methodologies. For the first methodology, we considered non-informative prior distributions and the Metropolis-Hastings algorithm to estimate the model. In the second methodology we used auxiliary variables to obtain the known a posteriori distribution, allowing the use of the Gibbs Sampler algorithm. However, the introduction of these auxiliary variables can generate correlated values and needs the use of clustering of unknown quantities in blocks to reduce the autocorrelation. In the simulation study we used the AIC and BIC information criteria to select the most appropriate model and we evaluated whether the coverage probabilities of the confidence interval is in agre- ement with that expected by the asymptotic theory. In Bayesian approach we found that the inclusion of auxiliary variables in the model results in a more efficient algoritm according to the MSE, MAPE and SMAPE criteria. In this work we also present applications to two real datasets. The first dataset used is the variation of the Ibovespa and variation of the daily value of the American dollar at the time of closing the 2013 to 2016. The second dataset, used is an educational data set (INEP-2013), where we are interested in studying the factors that influence the approval of the student.

Nesta dissertação estudou-se o modelo GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson, binomial e binomial negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, o desempenho e a qualidade do ajuste dos modelos de interesse, bem como o desempenho dos percentis de cobertura dos intervalos de confiança dos parâmetros para os modelos adotados. Para atingir tal finalidade considerou-se a análise dos estimadores pontuais bayesianos e foram analisados intervalos de credibilidade. Neste estudo é proposta uma distribuição a priori conjugada para os parâmetros dos modelos e busca-se a distribuição a posteriori, a qual associada a certas funções de perda permite encontrar estimativas bayesianas para os parâmetros. Na abordagem clássica foram calculados estimadores de máxima verossimilhança, usandose o método de score de Fisher e verificou-se por meio de simulação a consistência dos mesmos. Com os estudos desenvolvidos pode-se observar que, tanto a inferência clássica quanto a inferência bayesiana para os parâmetros dos modelos em questão, apresentou boas propriedades analisadas por meio das propriedades dos estimadores pontuais. A última etapa do trabalho consiste na análise de um conjunto de dados reais, sendo uma série real correspondente ao número de internações por causa da dengue em Campina Grande. Estes resultados mostram que tanto o estudo clássico, quanto o bayesiano, são capazes de descrever bem o comportamento da série / In this work, it was studied the GARMA model to model time series count data with Poisson, binomial and negative binomial discrete conditional distributions. The main goal is to analyze, in the bayesian and classic context, the performance and the quality of fit of the corresponding models, as well as the coverage percentages performance to these models. To achieve this purpose we considered the analysis of Bayesian estimators and credible intervals were analyzed. To the Bayesian study it was proposed a priori distribution joined to the models parameters and sought a posteriori distribution, which one associate with to certain loss functions allows finding out Bayesian estimates to the parameters. In the classical approach, it was calculated the maximum likelihood estimators using the method of Fisher scoring, whose interest was to verify, by simulation, the consistence. With the studies developed we can notice that, both classical and inference Bayesian inference for the parameters of those models, presented good properties analysed through the properties of the punctual estimators. The last stage of the work consisted of the analysis of one real data set, being a real serie corresponding to the admission number because of dengue in the city of Campina Grande. These results show that both the classic and the Bayesian studies are able to describe well the behavior of the serie

A maioria dos cursos universitários tem, em seu currículo, uma disciplina básica obrigatória de elementos de probabilidade e estatística. Além dos procedimentos de natureza descritiva, associados a análise de dados, fazem parte da ementa dessas disciplinas procedimentos inferenciais, geralmente apresentados dentro da teoria clássica(ou frequentista) de Neyman-Pearson. Não é costume nesta disciplina nem discutir aspectos epistemológicos ligados à inferência estatística e nem incluir a apresentação da escola Bayesiana, como uma possível alternativa. Sabidamente, tal disciplina é um entrave na vida escolar, tanto do aluno como do professor. Do aluno, porque este se depara, em boa parte das vezes, com um oferecimento mecânico da disciplina, sem motivação de natureza aplicada e sem vínculo aparente com sua realidade próxima curricular. Do professor, porque encontra geralmente alunos, além de despreparados com relação aos conceitos primários de incerteza e variabilidade, também com predisposição negativa, devido ao tabu associado à disciplina. Com o intuito de discutir a necessidade do oferecimento das primeiras noções inferenciais nessa disciplina, bem como responder a pergunta qual a inferência que deve ser ensinada numa disciplina básica de um curso universitário? buscamos caracterizar, ao longo de trabalho, as relações da estatística com: criação científica em geral e racionalismo e empirismo em particular; a existência ou não de um método científico; o objetivismo e o subjetivismo; os paradigmas das escolas clássica e Bayesiana; aprendizagem e cognição. Foram analisadas e comparadas as abordagens inferenciais feitas segundo cada escola, bem como apresentados alguns exemplos. A sugestão deste trabalho é de que o programa de uma primeira disciplina inclua os aspectos epistemológicos ligados à inferência, bem como a apresentação do tópico inferência estatística segundo as duas abordagens: clássica e Bayesiana. Isto eliminaria, pelo menos nos primeiros contatos do aluno com a área, a proposta de rompimento com a escola clássica preconizada por muitos adeptos da escola Bayesiana, bem como a proposta de resistência (manutenção do status quo), defendida por muitos elementos da escola clássica. Na verdade, a proposta preconiza a coexistência entre as duas escolas numa apresentação de curso básico, pois entendemos que o dever do professor é mostrar o estado da arte da área a seus alunos, deixando a opção (se isto fizer sentido) para uma etapa futura, seja acadêmica ou profissional. / In general most of the undergraduate courses in Brazil offer a basic discipline on probability and statistics. Beyond the descriptive procedures, associated with data analysis, these courses present to the students some inferential techniques, usually linked to the classical (frequentist) Neyman-Pearson school. It is not common to present the inferential aspects from the Bayesian point of view. Everybody knows that both student and teacher have problems with this basic discipline. The student, because he/she receives, in general, a mechanical course, without motivation, with no links to their other disciplines, and the teacher, because he/she usulally teaches to very naïve students concerning concept like uncertainty and variability. Added to that, students seem to have some fear towards the discipline (taboo). In order to discuss the first inferential notions presented in this discipline, and to answer the question which inference should we teach in a basic discipline of statistics to undergraduate students? we have tried, in this work, to characterise the relationship between statistics and the following aspects: scientific creation in general and empirism and rationalism in particular; the existence or not of a scientific method; objectivism and subjectivism; the paradigms associated to the classical and to the Bayesian schools; learning and some cognitive aspects. We have compared the inferential approaches, and some examples have been presented. This work suggests that the first program of a basic discipline of probability and statistics should include some epistemological inferential aspects as well as the introduction of inferential statistics by means of both approaches: classical and Bayesian. This action will prevent, at least at the first contact, the members of the Bayesian school from proposing the rupture with the classical, and also the members of the classical one from maintaining the status quo. In fact, the proposal is of coexistence of both schools in a first level, because we think it is a teachers duty to show the state of art to his/her students, giving the possibility of option (if necessary) for a following step.

Made available in DSpace on 2016-06-02T20:06:00Z (GMT). No. of bitstreams: 1 1881.pdf: 594610 bytes, checksum: 8b0562a44cac5580dfefabb8ace34908 (MD5) Previous issue date: 2005-04-27 / Universidade Federal de Sao Carlos / The goal of this work is to present a classic and a bayesian approach to the Tweedie Compound Poisson model considering the form and application shown at Jorgensen & Souza (1992). A speci.c goal is to estimate the individual claim mean values. Newton- Raphson iterative method is used in the classic inference in order to obtain the estimatives for the parameters. Non-informative priors are used to obtain the bayesian estimatives for the parameters. In the bayesian approach two di¤erent methodologies are considered: i) without the presence of covariance and ii) with the presence of covariance. The per- formance of both methods, classic and bayesian inference, are compared via simulated data. / Nesse trabalho apresentamos uma abordagem clássica e Bayesiana para o modelo de Tweedie Poisson Composto na forma e aplicação apresentada por Jorgensen & Souza (1992). O objetivo especí.co é a estimação do custo médio individual de sinistro. Na obtenção dos estimadores clássicos é utilizado o método iterativo de Newton-Raphson. Na obtenção de estimadores Bayesianos são utilizadas densidades a priori não informa- tivas para os parâmetros de interesse. Sob o enfoque Bayesiano duas metodologias são estudadas: i) sem a presença de covariáveis ii) com a presença de covariáveis. Uma com- paração dos desempenhos dos estimadores clássicos e Bayesianos é veri.cada através de dados simulados.

Submitted by Aelson Maciera (aelsoncm@terra.com.br) on 2017-05-23T16:23:56Z No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-05T19:07:22Z (GMT) No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-05T19:07:28Z (GMT) No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) / Made available in DSpace on 2017-06-05T19:18:45Z (GMT). No. of bitstreams: 1 DissAMCF.pdf: 1964890 bytes, checksum: 84bcbd06f74840be6fc5f38659c34c07 (MD5) Previous issue date: 2016-12-16 / Não recebi financiamento / The objective of this work is to study the binary regression model under the frequentist and Bayesian approaches using the probit, logit, log-log complement, Box-Cox transformation and skewprobit as link functions. In the classical approach we presented assumpti- ons and procedures used in the regression modeling. We verified the accuracy of the estimated parameters by building confidence intervals and conducting hypothesis tests. In the Bayesian appro- ach we made a comparative study using two methodologies. For the first methodology, we considered non-informative prior dis- tributions and the Metropolis-Hastings algorithm to estimate the model. In the second methodology we used auxiliary variables to obtain the known a posteriori distribution, allowing the use of the Gibbs Sampler algorithm. However, the introduction of these auxiliary variables can generate correlated values and needs the use of clustering of unknown quantities in blocks to reduce the autocorrelation. In the simulation study we used the AIC and BIC information criteria to select the most appropriate model and we evaluated whether the coverage probabilities of the confidence interval is in agre- ement with that expected by the asymptotic theory. In Bayesian approach we found that the inclusion of auxiliary variables in the model results in a more efficient algoritm according to the MSE, MAPE and SMAPE criteria. In this work we also present applications to two real datasets. The first dataset used is the variation of the Ibovespa and variation of the daily value of the American dollar at the time of closing the 2013 to 2016. The second dataset, used is an educational data set (INEP-2013), where we are interested in studying the factors that infuence the approval of the student. / Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funcoes de ligacoes probito, logito, complemento log-log, transformaçao box-cox e probito-assimetrico. Na abordagem clássica apresentamos as suposicoes e o procedimento para ajustar o modelo de regressao e verificamos a precisão dos parâmetros estimados, construindo intervalos de confianca e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori nao informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáaveis auxiliares para obter a distribuiçcaão a posteriori conhecida, facilitando a implementacão do algoritmo do Amostrador de Gibbs. No entanto, a introduçao destas variaveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelaçcãao. Atraves do estudo de simulacao mostramos que na inferência classica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confianca assintotica está de acordo com o esperado na teoria assintática. Na inferência bayesiana constatamos que o uso de va-riaáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrâtico medio (EQM), erro percentual absoluto medio (MAPE) e erro percentual absoluto medio simetrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variaçao do Ibovespa e a variacao do valor diário do fechamento da cotacao do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variaveis que influenciam a aprovacao do aluno.

A maioria dos cursos universitários tem, em seu currículo, uma disciplina básica obrigatória de elementos de probabilidade e estatística. Além dos procedimentos de natureza descritiva, associados a análise de dados, fazem parte da ementa dessas disciplinas procedimentos inferenciais, geralmente apresentados dentro da teoria clássica(ou frequentista) de Neyman-Pearson. Não é costume nesta disciplina nem discutir aspectos epistemológicos ligados à inferência estatística e nem incluir a apresentação da escola Bayesiana, como uma possível alternativa. Sabidamente, tal disciplina é um entrave na vida escolar, tanto do aluno como do professor. Do aluno, porque este se depara, em boa parte das vezes, com um oferecimento mecânico da disciplina, sem motivação de natureza aplicada e sem vínculo aparente com sua realidade próxima curricular. Do professor, porque encontra geralmente alunos, além de despreparados com relação aos conceitos primários de incerteza e variabilidade, também com predisposição negativa, devido ao tabu associado à disciplina. Com o intuito de discutir a necessidade do oferecimento das primeiras noções inferenciais nessa disciplina, bem como responder a pergunta qual a inferência que deve ser ensinada numa disciplina básica de um curso universitário? buscamos caracterizar, ao longo de trabalho, as relações da estatística com: criação científica em geral e racionalismo e empirismo em particular; a existência ou não de um método científico; o objetivismo e o subjetivismo; os paradigmas das escolas clássica e Bayesiana; aprendizagem e cognição. Foram analisadas e comparadas as abordagens inferenciais feitas segundo cada escola, bem como apresentados alguns exemplos. A sugestão deste trabalho é de que o programa de uma primeira disciplina inclua os aspectos epistemológicos ligados à inferência, bem como a apresentação do tópico inferência estatística segundo as duas abordagens: clássica e Bayesiana. Isto eliminaria, pelo menos nos primeiros contatos do aluno com a área, a proposta de rompimento com a escola clássica preconizada por muitos adeptos da escola Bayesiana, bem como a proposta de resistência (manutenção do status quo), defendida por muitos elementos da escola clássica. Na verdade, a proposta preconiza a coexistência entre as duas escolas numa apresentação de curso básico, pois entendemos que o dever do professor é mostrar o estado da arte da área a seus alunos, deixando a opção (se isto fizer sentido) para uma etapa futura, seja acadêmica ou profissional. / In general most of the undergraduate courses in Brazil offer a basic discipline on probability and statistics. Beyond the descriptive procedures, associated with data analysis, these courses present to the students some inferential techniques, usually linked to the classical (frequentist) Neyman-Pearson school. It is not common to present the inferential aspects from the Bayesian point of view. Everybody knows that both student and teacher have problems with this basic discipline. The student, because he/she receives, in general, a mechanical course, without motivation, with no links to their other disciplines, and the teacher, because he/she usulally teaches to very naïve students concerning concept like uncertainty and variability. Added to that, students seem to have some fear towards the discipline (taboo). In order to discuss the first inferential notions presented in this discipline, and to answer the question which inference should we teach in a basic discipline of statistics to undergraduate students? we have tried, in this work, to characterise the relationship between statistics and the following aspects: scientific creation in general and empirism and rationalism in particular; the existence or not of a scientific method; objectivism and subjectivism; the paradigms associated to the classical and to the Bayesian schools; learning and some cognitive aspects. We have compared the inferential approaches, and some examples have been presented. This work suggests that the first program of a basic discipline of probability and statistics should include some epistemological inferential aspects as well as the introduction of inferential statistics by means of both approaches: classical and Bayesian. This action will prevent, at least at the first contact, the members of the Bayesian school from proposing the rupture with the classical, and also the members of the classical one from maintaining the status quo. In fact, the proposal is of coexistence of both schools in a first level, because we think it is a teachers duty to show the state of art to his/her students, giving the possibility of option (if necessary) for a following step.

Nesta dissertação estudou-se o modelo GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson, binomial e binomial negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, o desempenho e a qualidade do ajuste dos modelos de interesse, bem como o desempenho dos percentis de cobertura dos intervalos de confiança dos parâmetros para os modelos adotados. Para atingir tal finalidade considerou-se a análise dos estimadores pontuais bayesianos e foram analisados intervalos de credibilidade. Neste estudo é proposta uma distribuição a priori conjugada para os parâmetros dos modelos e busca-se a distribuição a posteriori, a qual associada a certas funções de perda permite encontrar estimativas bayesianas para os parâmetros. Na abordagem clássica foram calculados estimadores de máxima verossimilhança, usandose o método de score de Fisher e verificou-se por meio de simulação a consistência dos mesmos. Com os estudos desenvolvidos pode-se observar que, tanto a inferência clássica quanto a inferência bayesiana para os parâmetros dos modelos em questão, apresentou boas propriedades analisadas por meio das propriedades dos estimadores pontuais. A última etapa do trabalho consiste na análise de um conjunto de dados reais, sendo uma série real correspondente ao número de internações por causa da dengue em Campina Grande. Estes resultados mostram que tanto o estudo clássico, quanto o bayesiano, são capazes de descrever bem o comportamento da série / In this work, it was studied the GARMA model to model time series count data with Poisson, binomial and negative binomial discrete conditional distributions. The main goal is to analyze, in the bayesian and classic context, the performance and the quality of fit of the corresponding models, as well as the coverage percentages performance to these models. To achieve this purpose we considered the analysis of Bayesian estimators and credible intervals were analyzed. To the Bayesian study it was proposed a priori distribution joined to the models parameters and sought a posteriori distribution, which one associate with to certain loss functions allows finding out Bayesian estimates to the parameters. In the classical approach, it was calculated the maximum likelihood estimators using the method of Fisher scoring, whose interest was to verify, by simulation, the consistence. With the studies developed we can notice that, both classical and inference Bayesian inference for the parameters of those models, presented good properties analysed through the properties of the punctual estimators. The last stage of the work consisted of the analysis of one real data set, being a real serie corresponding to the admission number because of dengue in the city of Campina Grande. These results show that both the classic and the Bayesian studies are able to describe well the behavior of the serie

Made available in DSpace on 2016-06-02T20:06:00Z (GMT). No. of bitstreams: 1 1662.pdf: 571364 bytes, checksum: 6091268473b4a7cb920748fd364c2a99 (MD5) Previous issue date: 2007-03-30 / Survival data analysis models is used to study experimental data where, normally, the variable "answer"is the time passed until an event of interest. Many authors do prefer modeling survival data, in the presence of co-variables, by using a hazard function - which is related with its interpretation. The Cox model (1972) - most commonly used by the authors - is applicable when the fail rates are proportional. This model is very flexible and used in the survival analysis. It can be easily extended to, for example, incorporate the time-dependent co-variables. In the present work we propose a proportional risk model which incorporates a time-dependent parameter named "time-dependent proportional risk model". / A análise de sobrevivência tem por objetivo estudar dados de experimento em que a variável resposta é o tempo até a ocorrência de um evento de interesse. Vários autores têm preferido modelar dados de sobrevivência na presença de covariáveis por meio da função de risco, fato este relacionado à sua interpretação. Ela descreve como a probabilidade instantânea de falha se modifca com o passar do tempo. Nesse contexto, um dos modelos mais utilizados é o modelo de Cox (Cox, 1972), onde a suposição básica para o seu uso é que as taxas de falhas sejam proporcionais. O modelo de riscos proporcionais de Cox é bastante flexível e extensivamente usado em análise de sobrevivência. Ele pode ser facilmente estendido para incorporar, por exemplo, o efeito de covariáveis dependentes do tempo. Neste estudo, propõe-se um modelo de risco proporcional, que incorpora um parâmetro dependente do tempo, denominado modelo de risco proporcional dependente do tempo. Uma análise clássica baseada nas propriedades assintóticas dos estimadores de máxima verossimilhança dos parâmetros envolvidos é desenvolvida, bem como um estudo de simulação via técnicas de reamostragem para estimação intervalar e testes de hipóteses dos parâmetros do modelo. É estudado o custo de estimar o efeito da covariável quando o parâmetro que mede o efeito do tempo é considerado na modelagem. E, finalizando, apresentamos uma abordagem do ponto de vista Bayesiano.