Made available in DSpace on 2016-06-02T20:06:03Z (GMT). No. of bitstreams: 1 1439.pdf: 2669525 bytes, checksum: 610b8a21f9390e878877d6a634cd8873 (MD5) Previous issue date: 2007-05-18 / This work involves a study of a regression model appropriated for situations which the response variable is measured in a continuous scale in the (0, 1) interval, as, for instance, taxes or proportions. The developed inferences were based on the Classic and Bayesian methodology. A discussion about the application of the beta regression model is presented. / Este trabalho compreende um estudo de um modelo de Regressão Beta adequado para situações em que a variável resposta é medida de forma contínua no intervalo (0, 1) como, por exemplo, dados de taxas ou proporções. As inferências desenvolvidas foram baseadas nas metodologias Clássica e Bayesiana. É apresentada uma discussão ampla sobre a aplicação do modelo de regressão beta a conjuntos de dados reais, o caso Charter Schools.

Made available in DSpace on 2016-06-02T20:06:03Z (GMT). No. of bitstreams: 1 2312.pdf: 3218966 bytes, checksum: 1a1fbdff559e9170510e381fd4af4328 (MD5) Previous issue date: 2009-01-30 / Universidade Federal de Minas Gerais / There are situations where various risk factors of failure are present, in the same time, in the life of system. For this reason we say that these factors are competing to cause the system failure. However, only one of these competitors is responsible for the system failure. The failure behavior of one system is, in most times, represented for its failure rate, which may be increasing, decreasing, remain constant or be combinations of these over time. Therefore it is desirable to use a probabilistic model that only with changes in the values of the parameters representing each of these situations. In this work we studied from the perspective of Bayesian reference analysis to the application of competitive risks under the Weibull model due to high flexibility of this model. The reference analysis is a method to produce Bayesian inferential statements which only depend on the assumed model and the available data (Bernardo, 1979). The goal is to find a specific joint reference prior function for all the unknown parameters of Weibull model in the application of competitive risks and a marginal reference posterior to the parameters of interest, which is always dominated by the observed data. The reference posterior distributions are obtained through the use of the Bayes theorem with the reference prior function that can be used to point estimates and tests of hypotheses, providing a unified set of Bayesian objective solutions for our problem. / H´a situa¸c oes em que existem diversos fatores de risco de falha presentes ao mesmo tempo na vida de um sistema. Por essa raz ao, dizemos que esses fatores est ao competindo para provocar a falha do mesmo. Entretanto, apenas um desses competidores ´e o respons´avel por determinada falha. O comportamento dessa falha ´e, na maioria das vezes, representado pela sua taxa de falha, que pode ser crescente, decrescente, constante ou fruto de suas combina¸c oes ao longo do tempo. Assim, ´e desej´avel o uso de um modelo probabil´ıstico que represente cada uma dessas situa¸c oes, apenas com mudan¸cas nos valores dos seus par ametros. Neste trabalho, estudamos, sob a perspectiva de an´alise de refer encia Bayesiana, a aplica¸c ao de riscos competitivos a partir do modeloWeibull, considerado bastante flex´ıvel. A an´alise de refer encia Bayesiana ´e um m´etodo de produzir afirma¸c oes inferenciais que dependem apenas do modelo assumido e dos dados observados (Bernardo, 1979). O objetivo ´e encontrar uma espec´ıfica fun¸c ao a priori de refer encia conjunta para os par ametros desconhecidos do modelo Weibull na aplica¸c ao de riscos competitivos e uma distribui¸c ao a posteriori de refer encia marginal para os par ametros de interesse, a qual ser´a dominada pelos dados observados. As distribui¸c oes a posteriori de refer encia s ao obtidas atrav´es do uso formal do teorema de Bayes com a fun¸c ao a priori de refer encia, podendo ser utilizadas para estima¸c oes pontuais e testes de hip´oteses, proporcionando um conjunto unificado de solu¸c oes Bayesianas objetivas para o nosso problema.

Made available in DSpace on 2016-06-02T20:06:03Z (GMT). No. of bitstreams: 1 2717.pdf: 1036198 bytes, checksum: 1ebaa6889e2e06b8855d55db6f41cfc0 (MD5) Previous issue date: 2009-11-27 / Financiadora de Estudos e Projetos / In this work we present a bayesian approach for the survival model with cure rate in the presence of covariates. In this perspective, the modelling is a direct extension of the long-term model of (Chen et al., 1999). This model is considered flexible in the sense that the effects of the covariates are measured locally using the bayesian partition model developed by Holmes et al. (1999). The bayesian partition model is a generic approach to problems of classification and regression where the space of covariates is divided in disjoint regions defined by a structure of tessellation. The extension to modelling local maintains the structure of the proportional hazards model that it is intrinsic of the long-term model(promotion time) (Rodrigues et al., 2009a). Application of this theory appears in several areas, for example in finance, biology, engineering, economics and medicine. We present a simulation study and apply the methodology to a set of data on the clinical studies. / Neste trabalho apresentamos uma abordagem bayesiana para modelos de sobrevivência com fração de cura na presença de covariáveis. Nesta perspectiva, a modelagem é uma extensão direta do modelo de longa duração (Chen et al., 1999). Este modelo é considerado flexível no sentido de que os efeitos das covariáveis são medidos localmente, utilizando o modelo de partição bayesiana desenvolvido por Holmes et al. (1999). O modelo de partição bayesiana é uma abordagem genérica para problemas de classificação e regressão, em que o espaço das covariáveis é dividido em regiões disjuntas definidas por uma estrutura de tesselação. A extensão para modelagem local mantém a estrutura de riscos proporcionais, que é intrínseca ao modelo de longa duração (tempo de promoção) (Rodrigues et al., 2009a). Aplicações desta teoria aparecem em várias áreas, como por exemplo, em Finanças, Biologia, Engenharia, Economia e Medicina. Neste trabalho, apresentamos um estudo de simulação e aplicamos a metodologia a um conjunto de dados na área de estudos clínicos.

Made available in DSpace on 2016-06-02T20:06:04Z (GMT). No. of bitstreams: 1 2781.pdf: 541826 bytes, checksum: d2aa406e93853dc3fa06d57075822d91 (MD5) Previous issue date: 2010-01-26 / Financiadora de Estudos e Projetos / Two problems related to Partial Least Squares method are considered in this work. Heteroscedastic errors and an asymmetrical error distribution. In the _rst part of this work a methodology is developed which allows, based in PLS methods, to estimate the model parameters in the presence of non-constant error variance. This technique is compared with the usual PLS method which considers homoscedastic erros. The PLS method is an distribution free approach, that is, it does not assume any distribution for the error terms. In order to estimate the heterocedastic structure an probability distribution is attributed to the errors, similar to the idea of Bastien et al: (2005). In this work, it is proposed a class of asymmetric distributions, the asymmetric normal distribution, presented in Azzalini (1985), which includes the normal distribution as a particular case. For the heteroscedasticity detection is proposed adaptations of the White test, the Goldfeld-Quandt test and an test proposed by Xei et al: (2009), which is used for testing the homogeneity of the scale parameter and/or signi_cance of autocorrelation in skew-normal nonlinear regression model. The test methods are illustrated with two numerical examples. All the methods present in the work are illustrated with simulated and real datasets. / Este trabalho aborda dois problemas relacionados aos modelos de regressão por mínimos quadrados parciais (Partial Least Squares, PLS): erros heteroscedásticos, ou seja, erros com variância não constante, e a assimetria na distribuição dos erros. No método de regressão PLS uma das suposições básicas é a homocesdasticidade dos erros. Quando isso não ocorre, uma alternativa é estimar a estrutura heteroscedástica dos mesmos. Na primeira parte deste trabalho é apresentada uma técnica, baseada em PLS, que permite estimar os parâmetros do modelo de regressão linear levando em consideração a presença de heteroscedasticidade dos erros. Esta técnica é comparada com o método PLS usual na estimação em modelos com erros heteroscedásticos. O método de regressão PLS é uma abordagem livre de distribuição, ou seja, não assume uma distribuição para os erros. Para a estimação da estrutura heteroscedástica atribuimos uma distribuição aos erros. A idéia é a mesma utilizada por Bastien et al: (2005). Em geral, a análise estatística para o estudo de dados contínuos tem sido desenvolvida em grande parte com base no modelo normal. Dessa forma, esta distribuição seria a escolha comum para modelar os erros, a _m de estimar a heteroscedasticidade. Entretanto, em muitas situações práticas essa suposição de normalidade pode nos levar a inferências pouco apropriadas sobre os parâmetros de interesse. Neste trabalho, pretendemos _exibilizar essa suposição de normalidade, dispondo de uma classe de distribuições assimétricas proposta por Azzalini (1985), que inclui a distribuição normal como um caso particular, a distribuição normal assimétrica. Para a detecção da heteroscedasticidade nos erros foram propostas adaptações de testes como o teste de White e o teste de Goldfeld-Quandt para erros normais; e testes escore para homogeneidade dos parâmetros de escala e assimetria da distribuição normal assimétrica, proposto por Xei et al: (2009). Todos os métodos decritos no trabalho são ilustrados com dados simulados e reais.

Made available in DSpace on 2016-06-02T20:06:05Z (GMT). No. of bitstreams: 1 3715.pdf: 795641 bytes, checksum: 715aa7baebc9b8af84d099eb9c08d3dd (MD5) Previous issue date: 2011-03-28 / Financiadora de Estudos e Projetos / Every day in financial institution is common to nd customers who are unable to honor their commitments. When this occurs we say that the individual is in default. In a possible economic downturn the portfolio could su_er losses due to excessive default clients and high loss rates. At this stage it is essential that financial institutions have a capital reserve to absorb this potential loss. This reserve is known as economic capital. We examined four different models, Normal, Log-Normal, Logit-Normal and Beta Regression, used to determine the individual loss rate, since the client is in default, also known as LGD (Loss Given Default). Such models are used to determine the economic capital. In the models, both the default and LGD depend on a single systematic risk factor, which describes the state of the economy. This means that we considered that the event of default and LGD are correlated. We describe in detail for the four models, two ways of calculating economic capital, using the asymptotic approximation of the distribution of loss rate and the normal approximation. Through a simulation study, we compared the different estimates of economic capital. A bayesian approach to the Beta Regression model is developed modeling mean and dispersion parameter jointly. / No dia-a-dia de uma instituição financeira é comum a existência de clientes que não conseguem honrar seus compromissos. Quando isso ocorre dizemos que o individuo entrou em default. Em uma eventual desaceleração econômica a carteira pode sofrer perdas devido ao excesso de cliente em default e _as altas taxas de perdas. Neste momento é fundamental que as instituição financeiras tenham um capital em reserva para absorver esta possível perda. Tal reserva _e conhecida como capital econômico. Neste trabalho analisamos quatro diferentes modelos, Normal, Log-Normal, Logit-Normal e Regressão Beta, utilizados para determinar a taxa individual de perda, dado que o cliente está em default, também conhecido como LGD (Loss Given Default). Tais modelos são utilizados na determinação do capital econômico. Nos modelos, ambos o default e a LGD dependem de um fator de risco sistemático simples, o qual descreve o estado da economia. Ou seja, considera-se que o evento de default e a LGD estão correlacionados. Descrevemos detalhadamente, para os quatro modelos, duas formas de calcular o capital econômico, utilizando a aproximação assintótica da distribuição da taxa de perda e a aproximação normal. Através de um estudo de simulação comparamos as estimativas dos diferentes capitais econômicos. Uma abordagem bayesiana para o modelo de Regressão Beta _e desenvolvida modelando conjuntamente a média e o parâmetro de dispersão.

Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 5124.pdf: 1092134 bytes, checksum: 388bf73f3290c7488cfc2f6292329274 (MD5) Previous issue date: 2013-04-03 / Financiadora de Estudos e Projetos / We review the Dirichlet process mixture model and investigate its performance as a classification method. The first aspect considered is its sensibility to the choice of location parameter of the base distribution. The second aspect considers the performance of the model regarding the departure of the parameters of the component distributions. Simulation results with mixture of normal distributions indicate sensibility to location parameters choices, of the base distribution, and good performance even when components with normal distributions differ only in variances. Finally, we apply the method to three data sets. / Neste trabalho, analisamos os aspectos práticos de um modelo bayesiano não paramétrico conhecido como modelo de mistura por processo de Dirichlet. Procedemos a um estudo de simulação com o objetivo de investigar a performance do modelo, no que diz respeito à classi _cação de dados oriundo de populações heterogêneas, em subgrupos (ou componentes). Os dados em cada componente identificado são assumidos terem uma distribuição normal, de forma que os dados de todos os componentes, juntos são assumidos serem originados de uma mistura de distribuições normais. Para veri_car este desempenho, procedemos a uma análise para investigar dois aspectos. O primeiro aspecto considerado está relacionado a sensibilidade do modelo, quanto a escolha do parâmetro de locação da distribuição base adotada, normal-gama-invertida, para o processo de Dirichlet, o qual é usado como distribuição a priori para o modelo, como em um simples problema de Bayes. O segundo aspecto diz respeito à performance do modelo em relação ao afastamento dos parâmetros, média e variância, das distribuições dos componentes. Os resultados das simulações com estas misturas de distribui ções normais, indicam sensibilidade do método para a escolha do parâmetro de locação da distribuição base normal-gama-invertida e também indicam uma boa performance, mesmo quando os componentes com distribuições normais diferem entre si apenas na variabilidade dos dados. Finalmente, aplicamos este método para três conjuntos de dados reais, sendo o último uma aplicação em dados de mistura de modelos de regressão.

Made available in DSpace on 2016-06-02T20:06:08Z (GMT). No. of bitstreams: 1 5174.pdf: 1132464 bytes, checksum: 1cccdf2e905f1a63c44eea06a7f29684 (MD5) Previous issue date: 2013-04-05 / Universidade Federal de Sao Carlos / Neste trabalho desenvolvemos modelos de regressão para respostas bivariadas, discreta e contínua, com a variável discreta seguindo distribuição Bernoulli e a variável contínua, condicionada na discreta, seguindo distribuição exponencial. Um procedimento de ajuste, via abordagem Bayesiana, é utilizado para estimar os parâmetros do modelo e uma análise de resíduos Bayesianos é apresentada. Um estudo de simulação é descrito a fim de ilustrar a metodologia desenvolvida. Utilizamos três tamanhos amostrais diferentes para analisarmos os resultados. Aplicamos o modelo em um conjunto de dados reais relacionado a gastos com pacientes internados em hospitais, levando em consideração a utilização, ou não, de tratamento cirúrgico. A covariável disponível para a análise foi o número de dias de permanência do paciente hospitalizado.

Made available in DSpace on 2016-06-02T20:06:08Z (GMT). No. of bitstreams: 1 5203.pdf: 2484745 bytes, checksum: 2ab029104981d5cf9ec2e6c681c57370 (MD5) Previous issue date: 2013-04-23 / Financiadora de Estudos e Projetos / Some studies involving survival data are characterized by showing a significant proportion of censored data, that is, individuals who will never experience the event of interest, even if accompanied by a long period of time. For the analysis of long-term data, we presented the standard mixture model by Berkson & Gage (1952), where we assume the Weibull distribution for the lifetime of individuals at risk and covariate. The cure rate models implicitly assume that those individuals experiencing the event of interest possess homogeneous risk. Alternatively, we consider the standard mixture model with a frailty term in order to quantify the unobservable heterogeneity among individuals. This model is characterized by the inclusion of a unobservable random variable, which represents information that can not or have not been observed. We assume frailty with a gamma distribution, obtaining theWeibull stardanrd mixture model with frailty and covariates from a point of view parametric. We realized simulation studies with the purpose of analyzing the frequentists properties of estimation procedures. Applications to real data set showed the applicability of the proposed models in which parameter estimates were determined using the maximum likelihood and bayesian approaches. / Em análise de sobrevivência quando uma população apresenta, após um período representativo de tempo, uma quantidade expressiva de observações censuradas, podemos suspeitar que exista uma fração de indivíduos que não é susceptível ao evento de interesse. Diz-se então que esses indivíduos são "imunes", e que o conjunto de dados ao qual eles pertencem possui uma fração de cura. Os modelos de cura assumem implicitamente que todos os indivíduos que apresentaram o evento de interesse pertencem a uma população homogênea, mas no entanto podemos medir a heterogeneidade observada adicionando covariáveis ao modelo. Já a parcela da heterogeneidade que é induzida por fatores de risco não observáveis é estimada através de modelos de fragilidade. Com a finalidade de analisar dados de longa duração com heterogeneidade não observada na população, apresentamos o modelo de mistura padrão de Boag (1949) e Berkson & Gage (1952) sob um ponto de vista paramétrico, com covariáveis incidindo tanto na proporção de curados quanto na função de sobrevivência dos não curados. Peng & Zhang (2008a) realizaram uma estimação semiparamétrica deste modelo, e em nosso trabalho assumimos as distribuições de probabilidade Weibull para a parcela em risco e gama para a fragilidade. Também modelamos a proporção de curados através de modelos de regressão com diferentes funções de ligação, e testamos todos os modelos em uma base com dados reais envolvendo portadores de melanoma, realizando os ajustes tanto através da metodologia clássica quanto da bayesiana.

Made available in DSpace on 2016-06-02T20:06:08Z (GMT). No. of bitstreams: 1 5220.pdf: 6665016 bytes, checksum: e40bf2639894707a5facdedcb4dfc7ae (MD5) Previous issue date: 2013-04-19 / Financiadora de Estudos e Projetos / In this paper we study the reliability of systems with connected components in series and parallel. For systems in series, the device fails when the first component fails. Although in the parallel systems this happens when the last component fails. We define the distribution functions, sub-distribution functions and their respective properties. Here we present the Bayesian nonparametric estimator for the components of both systems, illustrating by examples. For both cases we performed a comparative study between the Bayesian nonparametric estimator and the Kaplan-Meier method. / Neste trabalho estudamos a con_abilidade de sistemas com componentes ligados em série e sistemas ligados em paralelo. Para sistemas em série, o dispositivo falha quando o primeiro componente falhar, já no sistema em paralelo isto acontece quando o último componente falhar. De_nimos as funções de distribuição e sub-distribuição, bem como suas propriedades. Apresentamos o estimador Bayesiano não-paramétrico para os componentes de ambos os sistemas, ilustrando através de exemplos. Além disso, para ambos os casos, realizamos um estudo comparativo entre o estimador Bayesiano não paramétrico e o estimador de Kaplan-Meier.

Made available in DSpace on 2016-06-02T20:06:10Z (GMT). No. of bitstreams: 1 6237.pdf: 1097574 bytes, checksum: efdba2d8d3f39759e65f53c499f7ee6a (MD5) Previous issue date: 2014-09-12 / We present the mixture model with first order dependence, MMM(1). This model corresponds to a redefinition of the hidden Markov model (HMM) where a non observable variable is used to control the mixture. The usual mixture model is a particular case of the MMM(1). The proposed redefinition makes easier the application of usual estimation tools as the EM algorithm. We present the maximum likelihood and Bayesian estimators for the normal and binomial cases of the MMM(1) and usual mixture models. Simulation studies show the functionality of the proposed models and their estimators. And finally we present an application to a real data set for the binomial case. / Nesse trabalho apresentamos o modelo de mistura com dependência markoviana de primeira ordem, MMM(1). A metodologia proposta corresponde a uma redefinição do modelo markoviano oculto (HMM) na qual utilizamos uma variável não observável como controladora da mistura. O modelo de mistura usual (sem dependência) é um caso particular do MMM(1). A redefinição proposta permite uma adaptação de instrumentos usuais de estimação como por exemplo o algoritmo EM. Apresentamos também os estimadores de máxima verossimilhança e bayesianos para os modelos MMM(1) e de mistura usual para os casos da distribuição normal e binomial. Estudos de simulação demonstram a funcionalidade do modelo e estimadores propostos. Ao final apresentamos uma aplicação a um conjunto de dados reais apresentados na literatura para o caso binomial.