Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/48520
Tipo: | Tese |
Título: | Modelos semiparamétricos para análise de eventos recorrentes |
Título(s) alternativo(s): | Semiparametric models for analysis of recurrent event |
Autor(es): | Rumenick Pereira da Silva |
Primeiro Orientador: | Vinícius Diniz Mayrink |
Primeiro Coorientador: | Fábio Nogueira Demarqui |
Primeiro membro da banca : | Rosangela Helena Loschi |
Segundo membro da banca: | Wagner Barreto de Souza |
Terceiro membro da banca: | Vera Lúcia Damasceno Tomazella |
Quarto membro da banca: | Mário de Castro Andrade Filho |
Resumo: | Em áreas como medicina, saúde pública, negócios, indústria, confiabilidade, ciências sociais e seguros surgem muitas situações em que o interesse é estudar processos que geram eventos repetidamente ao longo do tempo. Esses tipos de situações são denominados processos de eventos recorrentes e os dados que eles fornecem são chamados de dados de eventos recorrentes. Nesse contexto, as modelagens propostas no presente trabalho são, fundamentalmente, modelos de sobrevivência baseados em processo de Poisson e processo de renovação, sendo a função de risco (ou intensidade) construída sob uma ótica semiparamétrica via polinômios de Bernstein. Além disso, são propostas duas classes gerais de modelos semiparamétricos que possuem como casos particulares os processos supracitados, sendo as funções de risco (ou intensidade) destas classes obtidas através dos polinômios de Bernstein e da exponencial por partes. Os modelos propostos são flexíveis no sentido de não impor uma forma específica para a função de risco (ou intensidade), ter qualidades similares às dos modelos paramétricos no que diz respeito a estimação das funções de sobrevivência, risco (ou intensidade) e risco acumulado (ou intensidade acumulada). Alguns destes modelos não assumem proporcionalidade entre os riscos (ou intensidades) e possuem características computacionais que são atrativas do ponto de vista de inferência frequentista e Bayesiana, o que motivou realizar inferência para os modelos propostos sob ambos os paradigmas. A análise desenvolvida aqui apresenta resultados de um estudo de simulação objetivando investigar o comportamento dos modelos propostos diante de diferentes cenários e explora também dados reais de estudos clássicos na literatura de análise de eventos recorrentes. |
Abstract: | In areas such as medicine, public health, business, industry, reliability, social sciences and insurance, many situations arise in which the interest is to study processes that generate events repeatedly over time. These types of situations are called recurrent event processes, and the data they provide is called recurrent event data. In this context, the models proposed in the present work are, fundamentally, survival models based on the Poisson process and the renewal process, with the hazard function (or intensity) being constructed from a semiparametric perspective via Bernstein polynomials. In addition, two general classes of semiparametric models are proposed that have the above processes as particular cases, the hazards functions (or intensities) of these classes being obtained through the Bernstein polynomials and the piecewise exponential. The proposed models are flexible in the sense that they do not impose a specific form for the hazard function (or intensity), have qualities similar to those of the parametric models with regard to the estimation of the survivor, hazard (or intensity) and cumulative hazard (or intensity) functions. Some of these models do not assume proportional hazards (or intensities) and have computational characteristics that are attractive from the point of view of classical and Bayesian inference, which motivated to make inference for the models proposed under both paradigms. The analysis developed here presents the results of a simulation study aimed at investigating the behavior of the proposed models in different scenarios and also explores real data from classic studies in the literature for the analysis of recurring events. |
Assunto: | Estatística - Teses Poisson, Processos de - Teses Teoria bayesiana de decisão estatística - Teses Polinômios de Bernstein - Teses Amostrador de Gibbs - Teses |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ICEX - INSTITUTO DE CIÊNCIAS EXATAS |
Curso: | Programa de Pós-Graduação em Estatística |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/48520 |
Data do documento: | 20-Set-2019 |
Aparece nas coleções: | Teses de Doutorado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
tese_rumenickps.pdf | Tese Rumenick Pereira da Silva | 15.97 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.