Análise bayesiana de dados espaciais explorando diferentes estruturas de variância

• Ano de defesa: 2014
• Autor(a) principal: Rampaso, Renato Couto [UNESP]
• Orientador(a): Souza, Aparecida Doniseti Pires de [UNESP], Flores, Edilson Ferreira [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Computação - Matematica; Mortalidade - 2008 a 2012; Crohn, Doença de; Colite ulcerativa - 2008 a 2012; Traqueia - Cancer - 2008 a 2012; Doenças - Estatística - 2008 a 2012; Teoria bayesiana de decisão estatistica; Computer science - Mathematics
• Link de acesso: http://hdl.handle.net/11449/116006

No mapeamento de doenças, o objetivo geral é estudar a incidência ou risco de mortalidade causado por uma determinada doença em um conjunto de regiões geográficas. É comum assumir que a variável resposta, geralmente uma contagem, segue uma distribuição de Poisson, cuja taxa média pode ser explicada por um grupo de covariáveis e um efeito aleatório. Para este efeito aleatório, considera-se modelos autorregressivos condicionais (CAR) que carregam informação sobre a relação de vizinhança entre as regiões. Tais relações de vizinhança são expressas por meio da matriz de variâncias presente nestes modelos. Cada modelo CAR possui características distintas que atendem a diferentes propósitos a serem considerados pelo pesquisador. O foco do trabalho foi o estudo e comparação de alguns modelos autorregressivos condicionais propostos na literatura. Para a melhor compreensão das características de cada modelo, duas aplicações com dados epidemiológicos foram conduzidas para modelar o risco de óbito por Doença de Crohn e Colite Ulcerativa e por Câncer de traqueia, brônquios e pulmões no Estado de São Paulo, no período de 2008 a 2012...