A análise de sobrevivência é uma área da estatística que possui como foco o estudo da variável resposta tempo até a ocorrência de um evento de interesse, também denominado de tempo de falha. Uma das principais características desses modelos é a sua abordagem estatística diferenciada para dados com a presença de censuras, que ocorre quando o tempo de falha da unidade amostral é parcialmente observado. Atualmente, existem diversas novas distribuições de probabilidade com aplicações em dados de sobrevivência, propostas por artigos no mundo todo. Assim, é natural o surgimento da dúvida sobre qual desses novos modelos paramétricos é o mais adequado para os dados e se eles são mais indicados quando comparados aos modelos clássicos como o modelo exponencial, Weibull e log-logístico. Dessa forma, o presente trabalho tem como objetivo avaliar e comparar os modelos de regressão paramétricos propostos recentemente na literatura. No total, quatro novos modelos foram selecionados: Lomax-Weibull, Weibull-Marshall-Olkin-Weibull, Weibull-log-logística-generalizada e odd-Birnbaum-Saunders. Já os modelos clássicos escolhidos para comparação foram das distribuições Weibull e log-logística, uma vez que elas são bastante conhecidas e difundidas na literatura. Pela simulação dos dados, observa-se que os modelos clássicos em geral apresentam uma melhor performance. As técnicas de comparação utilizadas foram os critérios AIC, BIC, os gráficos de resíduos de Cox-Snell com o auxílio do teste de Kolmogorov-Smirnov e o teste de razão de verossimilhanças generalizado que se mostrou como a melhor ferramenta para seleção dos modelos paramétricos.

Survival analysis is an area of statistics in which the response variable is the time until the occurrence of an event of interest, also called failure time. One of the main characteristics of these models is the differentiated statistical approach for censored data, which occurs when the failure time of the sampling unit is partially observed. Currently, there are several new probability distributions with applications in survival data, proposed by studies worldwide. So, it's natural to have questions about which of these new parametric models is the most suitable for the data and whether they are more suitable when compared to the classic models, e.g. the exponential, Weibull and log-logistic model. In this way, the present study aims to evaluate and compare the parametric regression models recently proposed in the literature. In total, four new models were selected: Lomax-Weibull, Weibull-Marshall-Olkin-Weibull, Weibull-log-logistics-generalized and odd-Birnbaum-Saunders. Also, the classic model chosen for comparison was the Weibull distribution and log-logistic, since it is well known and widespread in the literature. Through data simulation, it is observed that classical models in general present better performance. The comparison techniques used were the AIC, BIC criterion, Cox-Snell residual graphs with the aid of the Kolmogorov-Smirnov test, and also, the generalized likelihood ratio test which proved to be the best tool for selecting parametric models.