Modelos de mistura e de não mistura em longa duracão, são aplicados na analise de dados de sobrevivência quando uma parcela de indivduos não são suscetíveis ao evento de interesse. Diferentes modelos estatsticos são propostos para analisar dados de sobrevivência na presenca de fracão de cura. Nesta tese, e proposto o uso de novos modelos. Sob o ponto de vista univariado, inicialmente e considerado o caso em que os dados de sobrevivênciaa seguem distribuicão Burr XII com três parâmetros, no qual inclui o modelo de mistura para a distribuicão Weibull como caso particular. Um modelo de sobrevivência geral e estudado considerando a situacão em que os parâmtreos de locacão e forma dessa distribuicão dependem de covariaveis. Ainda considerando o caso univariado, um estudo da distribuicãoo exponencial exponenciada com dois parâmetros e realizado. Essa distribuicão, tambem conhecida como distribuicão exponencial generalizada, e um caso particular da distribuicão Weibull exponenciada, introduzida por Mudholkar e Srivastava (1993). Um modelo de sobrevivência geral tambem e estudado, nesse caso considera-se a situacão em que os parâmetros de escala, forma e de fracão de cura da distribuicão exponencial exponenciada dependem de covariaveis. Um terceiro estudo univariado considera a distribuicão Weibull na presenca de fracão de cura, dados censurados e covariaveis. Nesse caso, dois modelos são estudados: modelo de mistura e modelo de não mistura. Quando dois tempos de sobrevivência distintos estão associados a cada unidade amostral (caso bivariado), na analise dos dados e possvel utilizar algumas distribuicões bivariadas: em especial a distribuicão exponencial bivariada de Block e Basu. As estimativas dos parâmetros da distribuicão exponencial bivariada de Block e Basu na presenca de fracão de cura e covariaveis são obtidas. Sob o ponto de vista bivariado tambem sera considerado o caso da distribuicão Weibull bivariada derivada de função copula na presenca de fração ao de cura, dados censurados e covariaveis. Duas funcões copulas são exploradas: a funcão copula Farlie-Gumbel-Morgenstern (FGM) e a funcão copula Gumbel. Procedimentos classicos e Bayesianos são utilizados para obter estimadores pontuais e intervalares dos parâmetros desconhecidos. Para vericar a utilidade e o comportamento dos modelos, alguns conjuntos de dados na area medica são analisados. / Mixture and non-mixture lifetime models are applied to analyze survival data when some individuals may never experience the event of interest. Dierent statistical models are proposed to analyze survival data in the presence of cure fraction. In this thesis, we propose the use of new models. From the univariate case, we consider that the lifetime data have a three-parameter Burr XII distribution, which includes the popular Weibull mixture model as a special case. We consider a general survival model where the scale and shape parameters of the Burr XII distribution depends on covariates. Also considering the univariate case the two-parameters exponentiated exponential distribution is used. The two-parameter exponentiated exponential or the generalized exponential distribution is a particular member of the exponentiated Weibull distribution introduced by Mudholkar and Srivastava (1993). We also consider in this case a general survival model where the scale, shape and cured fraction parameters of the exponentiated exponential distribution depends on covariates. We also introduce the univariate Weibull distributions in presence of cure fraction, censored data and covariates. Two models are explored in this case: the mixture model and non-mixture model. When we have two lifetimes associated with each unit (bivariate data), we can use some bivariate distributions: as special case the Block and Basu bivariate lifetime distribution. We also presents estimates for the parameters included in Block and Basu bivariate lifetime distribution in presence of covariates and cure fraction, applied to analyze survival data when some individuals may never experience the event of interest and two lifetimes are associated with each unit. We also consider in bivariate case the bivariate Weibull distributions derived from copula functions in presence of cure fraction, censored data and covariates. Two copula functions are explored in this paper: the Farlie-Gumbel-Morgenstern copula (FGM) and the Gumbel copula. Classical and Bayesian procedures are used to get point and condence intervals of the unknown parameters. Illustrations of the proposed methodologies are given considering medicals data sets.

Modelos de mistura e de não mistura em longa duracão, são aplicados na analise de dados de sobrevivência quando uma parcela de indivduos não são suscetíveis ao evento de interesse. Diferentes modelos estatsticos são propostos para analisar dados de sobrevivência na presenca de fracão de cura. Nesta tese, e proposto o uso de novos modelos. Sob o ponto de vista univariado, inicialmente e considerado o caso em que os dados de sobrevivênciaa seguem distribuicão Burr XII com três parâmetros, no qual inclui o modelo de mistura para a distribuicão Weibull como caso particular. Um modelo de sobrevivência geral e estudado considerando a situacão em que os parâmtreos de locacão e forma dessa distribuicão dependem de covariaveis. Ainda considerando o caso univariado, um estudo da distribuicãoo exponencial exponenciada com dois parâmetros e realizado. Essa distribuicão, tambem conhecida como distribuicão exponencial generalizada, e um caso particular da distribuicão Weibull exponenciada, introduzida por Mudholkar e Srivastava (1993). Um modelo de sobrevivência geral tambem e estudado, nesse caso considera-se a situacão em que os parâmetros de escala, forma e de fracão de cura da distribuicão exponencial exponenciada dependem de covariaveis. Um terceiro estudo univariado considera a distribuicão Weibull na presenca de fracão de cura, dados censurados e covariaveis. Nesse caso, dois modelos são estudados: modelo de mistura e modelo de não mistura. Quando dois tempos de sobrevivência distintos estão associados a cada unidade amostral (caso bivariado), na analise dos dados e possvel utilizar algumas distribuicões bivariadas: em especial a distribuicão exponencial bivariada de Block e Basu. As estimativas dos parâmetros da distribuicão exponencial bivariada de Block e Basu na presenca de fracão de cura e covariaveis são obtidas. Sob o ponto de vista bivariado tambem sera considerado o caso da distribuicão Weibull bivariada derivada de função copula na presenca de fração ao de cura, dados censurados e covariaveis. Duas funcões copulas são exploradas: a funcão copula Farlie-Gumbel-Morgenstern (FGM) e a funcão copula Gumbel. Procedimentos classicos e Bayesianos são utilizados para obter estimadores pontuais e intervalares dos parâmetros desconhecidos. Para vericar a utilidade e o comportamento dos modelos, alguns conjuntos de dados na area medica são analisados. / Mixture and non-mixture lifetime models are applied to analyze survival data when some individuals may never experience the event of interest. Dierent statistical models are proposed to analyze survival data in the presence of cure fraction. In this thesis, we propose the use of new models. From the univariate case, we consider that the lifetime data have a three-parameter Burr XII distribution, which includes the popular Weibull mixture model as a special case. We consider a general survival model where the scale and shape parameters of the Burr XII distribution depends on covariates. Also considering the univariate case the two-parameters exponentiated exponential distribution is used. The two-parameter exponentiated exponential or the generalized exponential distribution is a particular member of the exponentiated Weibull distribution introduced by Mudholkar and Srivastava (1993). We also consider in this case a general survival model where the scale, shape and cured fraction parameters of the exponentiated exponential distribution depends on covariates. We also introduce the univariate Weibull distributions in presence of cure fraction, censored data and covariates. Two models are explored in this case: the mixture model and non-mixture model. When we have two lifetimes associated with each unit (bivariate data), we can use some bivariate distributions: as special case the Block and Basu bivariate lifetime distribution. We also presents estimates for the parameters included in Block and Basu bivariate lifetime distribution in presence of covariates and cure fraction, applied to analyze survival data when some individuals may never experience the event of interest and two lifetimes are associated with each unit. We also consider in bivariate case the bivariate Weibull distributions derived from copula functions in presence of cure fraction, censored data and covariates. Two copula functions are explored in this paper: the Farlie-Gumbel-Morgenstern copula (FGM) and the Gumbel copula. Classical and Bayesian procedures are used to get point and condence intervals of the unknown parameters. Illustrations of the proposed methodologies are given considering medicals data sets.

Estudos que comprovem a superioridade de um fármaco em relação a outros já existentes no mercado são de grande interesse na prática clínica. Através deles a Agência Nacional de Vigilância Sanitária (ANVISA) concede registro a novos produtos, que podem curar mais rápido ou aumentar a probabilidade de cura dos pacientes, em comparação ao tratamento padrão. É de suma importância que os testes de hipóteses controlem a probabilidade do erro tipo I, ou seja, controlem a probabilidade de que um tratamento não superior seja aprovado para uso; e também atinja o poder de teste regulamentado com o menor número de indivíduos possível. Os testes de hipóteses existentes para esta finalidade ou desconsideram o tempo até que o evento de interesse ocorra (reação alérgica, efeito positivo, etc) ou são baseados no modelo de riscos proporcionais. No entanto, na prática, a hipótese de riscos proporcionais pode nem sempre ser satisfeita, como é o caso de ensaios cujos riscos dos diferentes grupos em estudo se igualam com o passar do tempo. Nesta situação, o modelo de chances proporcionais é mais adequado para o ajuste dos dados. Neste trabalho desenvolvemos e investigamos dois testes de hipóteses para ensaios clínicos de superioridade, baseados na comparação de curvas de sobrevivência sob a suposição de que os dados seguem o modelo de chances de sobrevivências proporcionais, um sem a incorporação da fração de cura e outro com esta incorporação. Vários estudos de simulação são conduzidos para analisar a capacidade de controle da probabilidade do erro tipo I e do valor do poder dos testes quando os dados satisfazem ou não a suposição do teste para diversos tamanhos amostrais e dois métodos de estimação das quantidades de interesse. Concluímos que a probabilidade do erro tipo I é subestimada quando os dados não satisfazem a suposição do teste e é controlada quando satisfazem, como esperado. De forma geral, concluímos que é imprescindível satisfazer as suposições dos testes de superioridade. / Studies that prove the superiority of a drug in relation to others already existing in the market are of great interest in clinical practice. Based on them the Brazilian National Agency of Sanitary Surveillance (ANVISA) grants superiority drugs registers which can cure faster or increase the probability of cure of patients, compared to standard treatment. It is of the utmost importance that hypothesis tests control the probability of type I error, that is, they control the probability that a non-superior treatment is approved for use; and also achieve the test power regulated with as few individuals as possible. Tests of hypotheses existing for this purpose or disregard the time until the event of interest occurrence (allergic reaction, positive effect, etc.) or are based on the proportional hazards model. However, in practice, the hypothesis of proportional hazards may not always be satisfied, as is the case of trials whose risks of the different study groups become equal over time. In this situation, the proportional odds survival model is more adequate for the adjustment of the data. In this work we developed and investigated two hypothesis tests for clinical trials of superiority, based on the comparison of survival curves under the assumption that the data follow the proportional survival odds model, one without the incorporation of cure fraction and another considering cure fraction. Several simulation studies are conducted to analyze the ability to control the probability of type I error and the value of the power of the tests when the data satisfy or not the assumption of the test for different sample sizes and two estimation methods of the quantities of interest. We conclude that the probability of type I error is underestimated when the data do not satisfy the assumption of the test and it is controlled when they satisfy, as expected. In general, we conclude that it is indispensable to satisfy the assumptions of superiority tests.

Estudos que comprovem a superioridade de um fármaco em relação a outros já existentes no mercado são de grande interesse na prática clínica. Através deles a Agência Nacional de Vigilância Sanitária (ANVISA) concede registro a novos produtos, que podem curar mais rápido ou aumentar a probabilidade de cura dos pacientes, em comparação ao tratamento padrão. É de suma importância que os testes de hipóteses controlem a probabilidade do erro tipo I, ou seja, controlem a probabilidade de que um tratamento não superior seja aprovado para uso; e também atinja o poder de teste regulamentado com o menor número de indivíduos possível. Os testes de hipóteses existentes para esta finalidade ou desconsideram o tempo até que o evento de interesse ocorra (reação alérgica, efeito positivo, etc) ou são baseados no modelo de riscos proporcionais. No entanto, na prática, a hipótese de riscos proporcionais pode nem sempre ser satisfeita, como é o caso de ensaios cujos riscos dos diferentes grupos em estudo se igualam com o passar do tempo. Nesta situação, o modelo de chances proporcionais é mais adequado para o ajuste dos dados. Neste trabalho desenvolvemos e investigamos dois testes de hipóteses para ensaios clínicos de superioridade, baseados na comparação de curvas de sobrevivência sob a suposição de que os dados seguem o modelo de chances de sobrevivências proporcionais, um sem a incorporação da fração de cura e outro com esta incorporação. Vários estudos de simulação são conduzidos para analisar a capacidade de controle da probabilidade do erro tipo I e do valor do poder dos testes quando os dados satisfazem ou não a suposição do teste para diversos tamanhos amostrais e dois métodos de estimação das quantidades de interesse. Concluímos que a probabilidade do erro tipo I é subestimada quando os dados não satisfazem a suposição do teste e é controlada quando satisfazem, como esperado. De forma geral, concluímos que é imprescindível satisfazer as suposições dos testes de superioridade. / Studies that prove the superiority of a drug in relation to others already existing in the market are of great interest in clinical practice. Based on them the Brazilian National Agency of Sanitary Surveillance (ANVISA) grants superiority drugs registers which can cure faster or increase the probability of cure of patients, compared to standard treatment. It is of the utmost importance that hypothesis tests control the probability of type I error, that is, they control the probability that a non-superior treatment is approved for use; and also achieve the test power regulated with as few individuals as possible. Tests of hypotheses existing for this purpose or disregard the time until the event of interest occurrence (allergic reaction, positive effect, etc.) or are based on the proportional hazards model. However, in practice, the hypothesis of proportional hazards may not always be satisfied, as is the case of trials whose risks of the different study groups become equal over time. In this situation, the proportional odds survival model is more adequate for the adjustment of the data. In this work we developed and investigated two hypothesis tests for clinical trials of superiority, based on the comparison of survival curves under the assumption that the data follow the proportional survival odds model, one without the incorporation of cure fraction and another considering cure fraction. Several simulation studies are conducted to analyze the ability to control the probability of type I error and the value of the power of the tests when the data satisfy or not the assumption of the test for different sample sizes and two estimation methods of the quantities of interest. We conclude that the probability of type I error is underestimated when the data do not satisfy the assumption of the test and it is controlled when they satisfy, as expected. In general, we conclude that it is indispensable to satisfy the assumptions of superiority tests.

Os modelos de fragilidade são utilizados para modelar as possíveis associações entre os tempos de sobrevivência. Uma outra alternativa desenvolvida para modelar a dependência entre dados multivariados é o uso dos modelos baseados em funções cópulas. Neste trabalho propusemos dois modelos de sobrevivência derivados das cópulas de Ali- Mikhail-Haq (AMH) e de Frank para modelar a dependência de dados bivariados na presença de covariáveis e observações censuradas. Para fins inferenciais, realizamos uma abordagem bayesiana usando métodos Monte Carlo em Cadeias de Markov (MCMC). Algumas discussões sobre os critérios de seleção de modelos são apresentadas. Com o objetivo de detectar observações influentes utilizamos o método bayesiano de análise de influência de deleção de casos baseado na divergência ψ. Por fim, mostramos a aplicabilidade dos modelos propostos a conjuntos de dados simulados e reais. Apresentamos, também, um novo modelo de sobrevivência bivariado com fração de cura, que leva em consideração três configurações para o mecanismo de ativação latente: ativação aleatória, primeira ativação é última ativação. Aplicamos este modelo a um conjunto de dados de empréstimo de Crédito Direto ao modo do Consumidor (DCC) e comparamos os ajustes por meio dos critérios bayesianos de seleção de modelos para verificar qual dos três modelos melhor se ajustou. Por fim, mostramos nossa proposta futura para a continuação da pesquisa. / The frailty models are used to model the possible associations between survival times. Another alternative developed for modeling the dependence between multivariate data is the use of models based on copulas functions. In this paper we propose two derived survival models of copula of the Ali-Mikhail-Haq (AMH) and of the Frank to model the dependence of bivariate data in the presence of covariates and censored observations. For inferential purposes, we conducted a Bayesian approach using Monte Carlo methods in Markov Chain (MCMC). Some discussions on the model selection criteria were presented. In order to detect influential observations we use the Bayesian method of cases of deletion of influence analysis based on the difference ψ. Finally, we show the applicability of the proposed models to sets of simulated and real data. We present, too, a new survival model with bivariate fraction of healing, which takes into account three settings for the latent activation mechanism: random activation, first activation and final activation. We apply this model to a set of Direct Credit loan data to the Consumer mode (DCC) and compare the settings, through Bayesian criteria for selection of models, which of the three models best fit. Finally, we show our future proposal for further research.

Os modelos de fragilidade são utilizados para modelar as possíveis associações entre os tempos de sobrevivência. Uma outra alternativa desenvolvida para modelar a dependência entre dados multivariados é o uso dos modelos baseados em funções cópulas. Neste trabalho propusemos dois modelos de sobrevivência derivados das cópulas de Ali- Mikhail-Haq (AMH) e de Frank para modelar a dependência de dados bivariados na presença de covariáveis e observações censuradas. Para fins inferenciais, realizamos uma abordagem bayesiana usando métodos Monte Carlo em Cadeias de Markov (MCMC). Algumas discussões sobre os critérios de seleção de modelos são apresentadas. Com o objetivo de detectar observações influentes utilizamos o método bayesiano de análise de influência de deleção de casos baseado na divergência ψ. Por fim, mostramos a aplicabilidade dos modelos propostos a conjuntos de dados simulados e reais. Apresentamos, também, um novo modelo de sobrevivência bivariado com fração de cura, que leva em consideração três configurações para o mecanismo de ativação latente: ativação aleatória, primeira ativação é última ativação. Aplicamos este modelo a um conjunto de dados de empréstimo de Crédito Direto ao modo do Consumidor (DCC) e comparamos os ajustes por meio dos critérios bayesianos de seleção de modelos para verificar qual dos três modelos melhor se ajustou. Por fim, mostramos nossa proposta futura para a continuação da pesquisa. / The frailty models are used to model the possible associations between survival times. Another alternative developed for modeling the dependence between multivariate data is the use of models based on copulas functions. In this paper we propose two derived survival models of copula of the Ali-Mikhail-Haq (AMH) and of the Frank to model the dependence of bivariate data in the presence of covariates and censored observations. For inferential purposes, we conducted a Bayesian approach using Monte Carlo methods in Markov Chain (MCMC). Some discussions on the model selection criteria were presented. In order to detect influential observations we use the Bayesian method of cases of deletion of influence analysis based on the difference ψ. Finally, we show the applicability of the proposed models to sets of simulated and real data. We present, too, a new survival model with bivariate fraction of healing, which takes into account three settings for the latent activation mechanism: random activation, first activation and final activation. We apply this model to a set of Direct Credit loan data to the Consumer mode (DCC) and compare the settings, through Bayesian criteria for selection of models, which of the three models best fit. Finally, we show our future proposal for further research.

No description available.

Neste trabalho propomos a distribuição Weibull-Binomial-Negativa (WBN) considerando uma estrutura de ativação latente para explicar a ocorrência do evento de interesse, em que o número de causas competitivas é modelado pela distribuição Binomial Negativa, e os tempos não observados devido às causas seguem a distribuição Weibull. Em geral, as causas competitivas podem ter diferentes mecanismos de ativação, sendo assim os casos de primeira ativação, última ativação e ativação aleatória foram considerados no estudo. Desse modo o modelo proposto inclui uma ampla distribuição, tais como Weibull-Geométrico (WG) e Exponencial-Poisson Complementar (EPC), introduzidas por Barreto-Souza et al. (2011) e G. et al. (2011), respectivamente. Baseando-nos na mesma estrutura, consideramos o modelo de regressão locação-escala baseado na distribuição proposta (WBN) e o modelo para dados de sobrevivência com fração de cura. Os principais objetivos deste trabalho é estudar as propriedades matemáticas dos modelos propostos e desenvolver procedimentos de inferências desde uma perspectiva clássica e Bayesiana. Além disso, as medidas de diagnóstico Bayesiana baseadas na \'psi\'-divergência (Peng & Dey, 1995; Weiss, 1996), que inclui como caso particular a medida de divergência Kullback-Leibler (K-L), foram consideradas para detectar observações influentes / In this work we propose the Weibull-Negative-Binomial (WNB) considering a latent activation structure to explain the occurrence of an event of interest, where the number of competing causes are modeled by the Negative Binomial distribution and the no observed time due to the causes following the Weibull distribution. In general, the competitive causes may have different activation mechanisms, cases of first, last and random activation were considered in the study. Thus, the proposed model includes a wide distribution such as Weibull-Geometric distribution (WG) and Exponential-Poisson complementary (EPC) introduced by (Barreto-Souza et al., 2011) and (G. et al., 2011) respectively. Based on the same structure, we propose a location-scale regression model based on the proposed distribution (WNB) and the model for survival data with cure fraction. The main objectives of this work is to study the mathematical properties of the proposed models and develop procedures inferences from a classical and Bayesian perspective. Moreover, the Bayesian diagnostic measures based on the \'psi\'-divergence (Peng & Dey, 1995; Weiss, 1996), which includes Kullback-Leibler (K-L) divergence measure as a particular case, were considered to detect influential observations

Submitted by Ronildo Prado (ronisp@ufscar.br) on 2017-08-17T14:39:42Z No. of bitstreams: 1 DissTRR.pdf: 2739559 bytes, checksum: 80c76b7b0d4fcf15e1c9962556cd8745 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-17T14:39:52Z (GMT) No. of bitstreams: 1 DissTRR.pdf: 2739559 bytes, checksum: 80c76b7b0d4fcf15e1c9962556cd8745 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-17T14:39:58Z (GMT) No. of bitstreams: 1 DissTRR.pdf: 2739559 bytes, checksum: 80c76b7b0d4fcf15e1c9962556cd8745 (MD5) / Made available in DSpace on 2017-08-17T14:40:04Z (GMT). No. of bitstreams: 1 DissTRR.pdf: 2739559 bytes, checksum: 80c76b7b0d4fcf15e1c9962556cd8745 (MD5) Previous issue date: 2017-03-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / The frailty models are used to model the possible associations between survival times. Another alternative developed for modeling the dependence between multivariate data is the use of models based on copulas functions. In this paper we propose two derived survival models of copula of the Ali-Mikhail-Haq (AMH) and of the Frank to model the dependence of bivariate data in the presence of covariates and censored observations. For inferential purposes, we conducted a Bayesian approach using Monte Carlo methods in Markov Chain (MCMC). Some discussions on the model selection criteria were presented. In order to detect influential observations we use the Bayesian method of cases of deletion of influence analysis based on the difference ^. Finally, we show the applicability of the proposed models to sets of simulated and real data. We present, too, a new survival model with bivariate fraction of healing, which takes into account three settings for the latent activation mechanism: random activation, first activation and final activation. We apply this model to a set of Direct Credit loan data to the Consumer mode (DCC) and compare the settings, through Bayesian criteria for selection of models, which of the three models best fit. Finally, we show our future proposal for further research. / Os modelos de fragilidade são utilizados para modelar as possíveis associações entre os tempos de sobrevivência. Uma outra alternativa desenvolvida para modelar a dependência entre dados multivariados e o uso dos modelos baseados em funções cápulas. Neste trabalho propusemos dois modelos de sobrevivência derivados das copulas de Ali-Mikhail-Haq (AMH) e de Frank para modelar a dependência de dados bivariados na presença de covariáveis e observações censuradas. Para fins inferenciais, realizamos uma abordagem bayesiana usando métodos Monte Carlo em Cadeias de Markov (MCMC). Algumas discussões sobre os critérios de seleção de modelos são apresentadas. Com o objetivo de detectar observações influentes utilizamos o método bayesiano de analise de influencia de deleção de casos baseado na divergência. Por fim, mostramos a aplicabilidade dos modelos propostos a conjuntos de dados simulados e reais. Apresentamos, também, um novo modelo de sobrevivência bivariado com fração de cura, que leva em consideração três configurações para o mecanismo de ativação latente: ativação aleatória, primeira ativação e áltima ativação. Aplicamos este modelo a um conjunto de dados de empréstimo de Credito Direto ao modo do Consumidor (DCC) e comparamos os ajustes por meio dos critérios bayesianos de seleção de modelos para verificar qual dos três modelos melhor se ajustou. Por fim, mostramos nossa proposta futura para a continuaçaão da pesquisa.

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.