• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.55.2018.tde-15032018-084127
Documento
Autor
Nome completo
Gilberto de Araujo Pereira
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 1998
Orientador
Banca examinadora
Achcar, Jorge Alberto (Presidente)
Bolfarine, Heleno
Oishi, Jorge
Título em português
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos
Palavras-chave em português
Não disponível
Resumo em português
Nesta dissertação, desenvolvemos uma análise Bayesiana de modelos de mistura finita de distribuições, para dados de sobrevivência sem censura, com censura tipo II e dados censurados por intervalos, na presença de uma covariável. Consideramos os algoritmos amostrador de Gibbs com Metropolis-Hastings, e utilizamos os estimadores de Monte Carlo para conseguir as quantitades à posteriori de interesse, assumindo diferentes escolhas para as (J = 2) densidades no modelo de mistura, como por exemplo a mistura de, duas distribuições potência exponencial a qual considera uma grande classe de distribuições simétricas, duas distribuições normais, normal-exponencial e gamma-normal. Apresentamos também ah gumas considerações na seleção do modelo utilizando as densidades preditivas (CP0)preditivas condicionais ordenadas e introduzimos três exemplos numéricos para ilustrar a metodologia proposta.
Título em inglês
Not available
Palavras-chave em inglês
Not available
Resumo em inglês
In this dissertation, we present a Bayesian analysis of distributions finite mixture models, for survival data uncensored, type II censoring and interval-censored data, In the presence of one covaziate. Considering Gibbs sampling with Metropolis-Hastings algorithms, we get Monte Cano estimates for the posterior quantities of interest, assuming different choices for the (J = 2) densities in the mixture model, for example a mixture, two exponential power distributions which includes a wider class of symmetric distributions, two normal distributions, normal-exponential and gammanormal distributions. We also present some considerations on model selection, considering the predictive densities (CPO) conditional predictive ordinate, and we introduce three numerical example to illustrate the proposed methodology.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2018-03-15
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2018. Todos os direitos reservados.