• 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
https://doi.org/10.11606/D.55.2018.tde-19012018-113133
Documento
Autor
Nome completo
Cillene da Silva Nunes de Souza
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2001
Orientador
Banca examinadora
Achcar, Jorge Alberto (Presidente)
Andrade Filho, Marinho Gomes de
Dias, Ronaldo
Título em português
Uso de métodos MCMC para análise Bayesiana de dados de sobrevivência na presença de covariáveis
Palavras-chave em português
Não disponível
Resumo em português
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.
Título em inglês
Not available
Palavras-chave em inglês
Not available
Resumo em inglês
In this dissertation, we develop a Bayesian analysis for survival medical data with censored observations and in the presence of one or more covariates. In many cases, we can assume a parametrical modal for the lifetime data as na altemative to nonparametrical modais. In many special cases, we need a parametrical regression modal with a more general distribution as a mixture of distributions for the error assuming log-linear modais. In the Bayesian approach, we use MCMC simulation methods (Markov Chain Monte Cano) using the softwares Ox and WinBugs as a computational alternativa to other computational programs.
 
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
2018-01-19
 
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 © 2001-2024. Todos os direitos reservados.