Uso de métodos MCMC para análise Bayesiana de dados de sobrevivência na presença de covariáveis
Nesta dissertação estamos interessados na análise Bayesiana de dados de sobrevivência médicos com observações censuradas e na presença de uma ou mais covariáveis. Em muitos casos, podemos assumir um modelo de regressão paramétrica para os dados como uma alternativa aos modelos de regressão não param...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2001 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-19012018-113133 |
| Acceso en línea: | http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19012018-113133/ |
| Access Level: | acceso abierto |
| Palabra clave: | Não disponível Not available |
| Sumario: | Nesta dissertação estamos interessados na análise Bayesiana de dados de sobrevivência médicos com observações censuradas e na presença de uma ou mais covariáveis. Em muitos casos, podemos assumir um modelo de regressão paramétrica para os dados como uma alternativa aos modelos de regressão não paramétricas. Em casos especiais, podemos precisar de uma regressão paramétrica com uma distribuição mais geral para os dados de sobrevivência como uma mistura de distribuições. Um dos objetivos principais do projeto é relacionado ao uso de misturas de distribuições paramétricas para a variável erro nos modelos log-linerares. No contexto Bayesiano utilizamos técnicas de simulação de Monte Carlo em Cadeias de Markov (MCMC) e destacamos a utilização dos softwares \"Ox \" e \"VVinBugs\" como grandes alternativas para os problemas referente ao tempo de execução do§ algoritmos computacionais. |
|---|