Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4907.pdf: 977659 bytes, checksum: 00900e73e61e1ca614a2419c9ad45d8e (MD5) Previous issue date: 2013-02-01 / Financiadora de Estudos e Projetos / In this dissertation we propose four models to model lifetime data. The fist family of distribution is called Exponentiated Complementary Exponential Geometric distribution (ECEG) and it is obtained by exponentiation of the cumulative distribution of the Complementary Exponential Geometric distribution (CEG) proposed by Louzada et al. (2011) to a new parameter α > 0. The second distribution is used to model lifetime when the population is not homogeneous about the risk of death and it has two subpopulation: one composed by individuals not susceptible by the event and other composed by individuals subjected to the risk. This model, called LECEG, has a long term parameter p related to the proportion of individuals out of risk. The third is the Exponentiated Exponential Geometric (EEG) that uses the same idea of the ECEG, and the fourth is the Exponentiated Complementary Exponential Geometric distribution under N systems (ECEGN) presented in a context of N independent working systems and the fails occurs when some of them fail. / Nesta dissertaç ão são propostos quatro modelos de distribuições de probabilidade para os tempos de vida de indivíduos em uma população. A primeira família de distribuições, a distribuiç ão Geométrica Exponencial Complementar Exponenciada (ECEG) e é obtida via exponenciação da distribuição acumulada da distribuição Geométrica Exponencial Complementar (CEG) proposta por Louzada et al. (2011) a um novo parâmetro α_ > 0. A segunda, é direcionada á modelagem de tempos de vida quando a população não é homogênea quanto ao risco de morte possuindo duas subpopulações: a de indivíduos não suscetíveis ao evento e a de indivíduos sob risco. Esta distribuição, distribuição Geométrica Exponencial Complementar Exponenciada na presença de longa duração (LECEG), possui o parâmetro p de longa duração que indica a proporção de indivíduos fora de risco. A terceira é a distribuição Exponencial Geométrica Exponenciada (EEG) que usa a mesma ideia de criação da ECEG, e a quarta a distribuição Exponencial Geométrica Complementar Exponenciada em N sistemas (ECEGN) que se apresenta num cenário com N sistemas funcionando independentemente e a falha ocorre quando algum sistema falhar.

Orientador: Fernando Antonio Moala / Abstract: This work presents a study of probabilistic modeling, with applications to survival analysis, based on a probabilistic model called Exponential Geometric (EG), which o ers great exibility for the statistical estimation of its parameters based on samples of life time data complete and censored. In this study, the concepts of estimators and lifetime data are explored under random censorship in two cases of extensions of the EG model: the Extended Geometric Exponential (EEG) and the Generalized Extreme Geometric Exponential (GE2). The work still considers, exclusively for the EEG model, the approach of the presence of covariates indexed in the rate parameter as a second source of variation to add even more exibility to the model, as well as, exclusively for the GE2 model, a analysis of the convergence, hitherto ignored, it is proposed for its moments. The statistical inference approach is performed for these extensions in order to expose (in the classical context) their maximum likelihood estimators and asymptotic con dence intervals, and (in the bayesian context) their a priori and a posteriori distributions, both cases to estimate their parameters under random censorship, and covariates in the case of EEG. In this work, bayesian estimators are developed with the assumptions that the prioris are vague, follow a Gamma distribution and are independent between the unknown parameters. The results of this work are regarded from a detailed study of statistical simulation applied to... (Complete abstract click electronic access below) / Resumo: Este trabalho apresenta um estudo de modelagem probabilística, com aplicações à análise de sobrevivência, fundamentado em um modelo probabilístico denominado Exponencial Geométrico (EG), que oferece uma grande exibilidade para a estimação estatística de seus parâmetros com base em amostras de dados de tempo de vida completos e censurados. Neste estudo são explorados os conceitos de estimadores e dados de tempo de vida sob censuras aleatórias em dois casos de extensões do modelo EG: o Exponencial Geom étrico Estendido (EEG) e o Exponencial Geométrico Extremo Generalizado (GE2). O trabalho ainda considera, exclusivamente para o modelo EEG, a abordagem de presença de covariáveis indexadas no parâmetro de taxa como uma segunda fonte de variação para acrescentar ainda mais exibilidade para o modelo, bem como, exclusivamente para o modelo GE2, uma análise de convergência até então ignorada, é proposta para seus momentos. A abordagem da inferência estatística é realizada para essas extensões no intuito de expor (no contexto clássico) seus estimadores de máxima verossimilhança e intervalos de con ança assintóticos, e (no contexto bayesiano) suas distribuições à priori e posteriori, ambos os casos para estimar seus parâmetros sob as censuras aleatórias, e covariáveis no caso do EEG. Neste trabalho os estimadores bayesianos são desenvolvidos com os pressupostos de que as prioris são vagas, seguem uma distribuição Gama e são independentes entre os parâmetros desconhecidos. Os resultad... (Resumo completo, clicar acesso eletrônico abaixo) / Mestre