Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/17012
Title: Estimação clássica e Bayesiana em modelos de sobrevida com fração de cura
Authors: Almeida, Josemir Ramos de
Keywords: Análise de sobrevivência. Modelos de longa duração. Método de Laplace. MCMC;Survival analysis. Models of long term. Method Laplace. MCMC
Issue Date: 22-Mar-2013
Publisher: Universidade Federal do Rio Grande do Norte
Citation: ALMEIDA, Josemir Ramos de. Estimação clássica e Bayesiana em modelos de sobrevida com fração de cura. 2013. 87 f. Dissertação (Mestrado em Probabilidade e Estatística; Modelagem Matemática) - Universidade Federal do Rio Grande do Norte, Natal, 2013.
Portuguese Abstract: Em Análise de Sobrevivência, os modelos de longa duração permitem a estimação da fração de cura, que representa uma parcela da população imune ao evento de interesse. No referido trabalho abordamos os enfoques clássico e Bayesiano com base nos modelos de mistura padrão e de tempo de promoção, utilizando diferentes distribuições (exponencial, Weibull e Pareto) para modelar os tempos de falhas. A base de dados utilizada para ilustrar as implementações é descrita em Kersey et al. (1987) e consiste em um grupo de pacientes com leucemia que foram submetidos a um certo tipo de transplante. As implementações específicas utilizadas foram de otimização numérica por BFGS implementado em R (base::optim), aproximação de Laplace (implementação própria) e o amostrador de Gibbs implementado no Open- Bugs. Descrevemos as principais características dos modelos utilizados, os métodos de estimação e os aspectos computacionais. Também discutimos como diferentes prioris podem afetar nas estimativas Bayesianas
Abstract: In Survival Analysis, long duration models allow for the estimation of the healing fraction, which represents a portion of the population immune to the event of interest. Here we address classical and Bayesian estimation based on mixture models and promotion time models, using different distributions (exponential, Weibull and Pareto) to model failure time. The database used to illustrate the implementations is described in Kersey et al. (1987) and it consists of a group of leukemia patients who underwent a certain type of transplant. The specific implementations used were numeric optimization by BFGS as implemented in R (base::optim), Laplace approximation (own implementation) and Gibbs sampling as implemented in Winbugs. We describe the main features of the models used, the estimation methods and the computational aspects. We also discuss how different prior information can affect the Bayesian estimates
URI: http://repositorio.ufrn.br:8080/jspui/handle/123456789/17012
Appears in Collections:PPGMAE - Mestrado em Matemática Aplicada e Estatística

Files in This Item:
File Description SizeFormat 
JosemirRA_DISSERT.pdf5,12 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.