Uso do modelo Slash Dobrado em dados de longa duração

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Marcos Rafael Nogueira Cavalcante
Orientador(a): Antonio Carlos Pedroso de Lima
Banca de defesa: Eliardo Guimarães da Costa, Diego Ignacio Gallardo Mateluna, Edwin Moises Marcos Ortega, Gisela Tunes da Silva
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade de São Paulo
Programa de Pós-Graduação: Estatística
Departamento: Não Informado pela instituição
País: BR
Link de acesso: https://doi.org/10.11606/T.45.2021.tde-21012022-175331
Resumo: Este trabalho tem como objetivo analisar dados de longa duração. Para isto será considerada uma abordagem diferente da que é encontrada na literatura, que usualmente utiliza modelos de mistura com fração de cura. Será considerada uma distribuição paramétrica com cauda pesada, com a finalidade de acomodar dados de longo termo. Assim não há necessidade de separar os dados em curados e não curados. O que não faz muito sentido do ponto de vista filosófico, pois quando se considera o evento de interesse como sendo o óbito, não existem curados. Para avaliar o uso do modelo é feito um estudo de simulação com percentuais e tipos diferentes de censura. Covariáveis são consideradas em dois dos três parâmetros do modelo; para verificar se seus efeitos são significa- tivos são propostos testes da razão de verossimilhanças e Wald. Utilizando os dados que motivam este trabalho é realizada uma avaliação do uso prático do modelo.
id USP_4120ea87aeca2cedd4df7842ffacbd35
oai_identifier_str oai:teses.usp.br:tde-21012022-175331
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis Uso do modelo Slash Dobrado em dados de longa duração Using the folded normal slash model in long-term data 2021-10-06Antonio Carlos Pedroso de LimaEliardo Guimarães da CostaDiego Ignacio Gallardo MatelunaEdwin Moises Marcos OrtegaGisela Tunes da SilvaMarcos Rafael Nogueira CavalcanteUniversidade de São PauloEstatísticaUSPBR Cauda pesada Dados de longa duração Folded normal Folded normal slash Heavy tail Long-term data Normal dobrada Slash Slash Slash dobrada Este trabalho tem como objetivo analisar dados de longa duração. Para isto será considerada uma abordagem diferente da que é encontrada na literatura, que usualmente utiliza modelos de mistura com fração de cura. Será considerada uma distribuição paramétrica com cauda pesada, com a finalidade de acomodar dados de longo termo. Assim não há necessidade de separar os dados em curados e não curados. O que não faz muito sentido do ponto de vista filosófico, pois quando se considera o evento de interesse como sendo o óbito, não existem curados. Para avaliar o uso do modelo é feito um estudo de simulação com percentuais e tipos diferentes de censura. Covariáveis são consideradas em dois dos três parâmetros do modelo; para verificar se seus efeitos são significa- tivos são propostos testes da razão de verossimilhanças e Wald. Utilizando os dados que motivam este trabalho é realizada uma avaliação do uso prático do modelo. This work aims to analyze long-term data. For this, a different approach from the one found in the literature, which usually uses mixture models with cure fraction, will be considered. A heavy- tailed parametric distribution will be considered, in order to accommodate long-term data. So there is no need to separate the data into healed and unhealed. Which doesnt make much sense from a philosophical point of view, because when the event of interest is considered to be death, there are no cures. To assess the use of the model, a simulation study is carried out with different percentages and types of censorship. Covariates are considered in two of the three parameters of the model; to verify whether their effects are significant, likelihood ratio and Wald tests are proposed. Using the data that motivates this work, an evaluation of the practical use of the model is carried out. https://doi.org/10.11606/T.45.2021.tde-21012022-175331info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T19:45:21Zoai:teses.usp.br:tde-21012022-175331Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-01-24T21:41:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Uso do modelo Slash Dobrado em dados de longa duração
dc.title.alternative.en.fl_str_mv Using the folded normal slash model in long-term data
title Uso do modelo Slash Dobrado em dados de longa duração
spellingShingle Uso do modelo Slash Dobrado em dados de longa duração
Marcos Rafael Nogueira Cavalcante
title_short Uso do modelo Slash Dobrado em dados de longa duração
title_full Uso do modelo Slash Dobrado em dados de longa duração
title_fullStr Uso do modelo Slash Dobrado em dados de longa duração
title_full_unstemmed Uso do modelo Slash Dobrado em dados de longa duração
title_sort Uso do modelo Slash Dobrado em dados de longa duração
author Marcos Rafael Nogueira Cavalcante
author_facet Marcos Rafael Nogueira Cavalcante
author_role author
dc.contributor.advisor1.fl_str_mv Antonio Carlos Pedroso de Lima
dc.contributor.referee1.fl_str_mv Eliardo Guimarães da Costa
dc.contributor.referee2.fl_str_mv Diego Ignacio Gallardo Mateluna
dc.contributor.referee3.fl_str_mv Edwin Moises Marcos Ortega
dc.contributor.referee4.fl_str_mv Gisela Tunes da Silva
dc.contributor.author.fl_str_mv Marcos Rafael Nogueira Cavalcante
contributor_str_mv Antonio Carlos Pedroso de Lima
Eliardo Guimarães da Costa
Diego Ignacio Gallardo Mateluna
Edwin Moises Marcos Ortega
Gisela Tunes da Silva
description Este trabalho tem como objetivo analisar dados de longa duração. Para isto será considerada uma abordagem diferente da que é encontrada na literatura, que usualmente utiliza modelos de mistura com fração de cura. Será considerada uma distribuição paramétrica com cauda pesada, com a finalidade de acomodar dados de longo termo. Assim não há necessidade de separar os dados em curados e não curados. O que não faz muito sentido do ponto de vista filosófico, pois quando se considera o evento de interesse como sendo o óbito, não existem curados. Para avaliar o uso do modelo é feito um estudo de simulação com percentuais e tipos diferentes de censura. Covariáveis são consideradas em dois dos três parâmetros do modelo; para verificar se seus efeitos são significa- tivos são propostos testes da razão de verossimilhanças e Wald. Utilizando os dados que motivam este trabalho é realizada uma avaliação do uso prático do modelo.
publishDate 2021
dc.date.issued.fl_str_mv 2021-10-06
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://doi.org/10.11606/T.45.2021.tde-21012022-175331
url https://doi.org/10.11606/T.45.2021.tde-21012022-175331
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Estatística
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1786377027348070400

Registros relacionados