Submitted by Aelson Maciera (aelsoncm@terra.com.br) on 2017-06-23T18:57:54Z No. of bitstreams: 1 TeseKECZ.pdf: 1800356 bytes, checksum: a555e52c04756515d694387c471b4030 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-28T08:32:51Z (GMT) No. of bitstreams: 1 TeseKECZ.pdf: 1800356 bytes, checksum: a555e52c04756515d694387c471b4030 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-28T08:33:00Z (GMT) No. of bitstreams: 1 TeseKECZ.pdf: 1800356 bytes, checksum: a555e52c04756515d694387c471b4030 (MD5) / Made available in DSpace on 2017-06-28T08:41:16Z (GMT). No. of bitstreams: 1 TeseKECZ.pdf: 1800356 bytes, checksum: a555e52c04756515d694387c471b4030 (MD5) Previous issue date: 2016-09-28 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / The present work's main objective is to study the significance of zeros in an observable and latent data. In observable data set that occur excess of zeros, its common to have sobredispersion. In this sense, the models zero-inflated power series (ZISP) were proposed to accommodate these excesses. Specifically for the analysis of observed data, it was made a study of gradient statistic, proposed by Terrell (2002), to test the hypotheses in relation to inflation parameter ZISP models. This test is based on evaluation of the performance of gradient statistic compared with the classical likelihood ratio (Wilks, 1938), score (Rao, 1948) and Wald (Wald, 1943) statistics. In addition, recently, fragility has being modeled by discrete distributions using non-negative integers values that allows zero fragility, which means, individuals who do not present the event of interest (fraction of zero risk). For this type of latent data, we have proposed a new survival model induced by discrete frailty with ZISP distribution. This proposal brings a real description of individuals without risk, because individuals cured due to genetic factors (immune) are modeled by fraction of deterministic zero risk, while the cured by treatment are modeled by fraction of random zero risk. In this context, we also developed the gradient statistic to verify parameter significance of zero risk for data modeled by fraction of deterministic zero risk. To show our proposals, we present the results of simulation studies and applications using real data. / O presente trabalho teve como objetivo principal, estudar a significância de zeros numa análise de dados observáveis e latentes. Nos conjuntos de dados observáveis que ocorrem excessos de zeros, é comum a existência de sobredispersão. Neste sentido os modelos Zero-Inflacionados Série de Potência (ZISP) foram propostos para acomodar o excesso de zeros. Especifcamente para a análise de dados observáveis com excesso de zeros desenvolvemos um estudo da estatística gradiente, proposta por Terrell (2002), para testar as hipóteses em relação ao parâmetro de inflação do modelo ZISP, baseado na avaliação da performance da estatística gradiente em comparação com as estatísticas clássicas da razão de verossimilhan ça (Wilks, 1938), escore (Rao, 1948) e Wald (Wald, 1943). Por outro lado, recentemente a fragilidade é modelada por distribuições discretas sob os inteiros não negativos e permite fragilidade zero, isto é, indivíduos que não apresentam o evento de interesse (fração de risco zero). Para este tipo dados de latentes, propusemos um novo modelo de sobrevivência induzida por fragilidade discreta com distribuição ZISP. Essa proposta traz uma descrição mais real dos indivíduos sem risco, pois inclui indivíduos curados devido aos fatores genéticos (imunes) modelados como a fração de risco zero determinístico, enquanto que, os indivíduos curados por tratamento são modelados pela fração de risco zero aleatório. Neste contexto desenvolvemos também a estatística gradiente para verificar a significância do parâmetro de risco zero para dados modelados pela fração de risco zero determinístico. E para completar o desenvolvimento das propostas, apresentamos os resultados de estudos de simulação e exemplos de aplicação com uso de dados reais.