• 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
 
 
Mémoire de Maîtrise
DOI
10.11606/D.55.2018.tde-15032018-084127
Document
Auteur
Nom complet
Gilberto de Araujo Pereira
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 1998
Directeur
Jury
Achcar, Jorge Alberto (Président)
Bolfarine, Heleno
Oishi, Jorge
Titre en portugais
Modelos de Mistura para Dados de Sobrevivência na Presença de Covariáveis, Utilizando Métodos Bayesianos
Mots-clés en portugais
Não disponível
Resumé en portugais
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.
Titre en anglais
Not available
Mots-clés en anglais
Not available
Resumé en anglais
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.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2018-03-15
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2022. Tous droits réservés.