Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/31404
Files in This Item:
File Description SizeFormat 
2017_ElisangelaCandeiasBizatti.pdf679,74 kBAdobe PDFView/Open
Title: Modelo de regressão log Weibull com fração de cura para dados grupados
Authors: Biazatti, Elisângela Candeias
Orientador(es):: Gomes, Antônio Eduardo
Coorientador(es):: Gomes, Juliana Betini Fachini
Assunto:: Modelo de regressão
Distribuição Weibull
Fração de cura
Issue Date: 12-Mar-2018
Citation: BIAZATTI, Elisângela Candeias. Modelo de regressão log Weibull com fração de cura para dados grupados. 2017. 60 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2017.
Abstract: Neste trabalho é proposto um modelo de regressão com fração de cura para dados grupados utilizando a distribuição Weibull, que pode ser usada para modelar dados de sobrevivência quando a função de risco tem formas: constante, monotonicamente crescente ou monotonicamente decrescente. O modelo de regressão proposto é indicado para casos em que há no estudo, indivíduos que não apresentam a possibilidade de ocorrência do evento de interesse, indicando a presença de indivíduos curados no estudo. E também em situações em que observa-se um número excessivo de observações empatadas, para corrigir esses empates os dados são grupados em intervalos, ou quando a variável resposta é observada em intervalos de tempo, sendo esses intervalos iguais para todas as unidades amostrais. Dessa forma, os dados grupados são um caso particular de dados de censura intervalar. Um conjunto de dados reais foi utilizado para ilustração do modelo proposto. As estimativas dos parâmetros do modelo foram obtidas pelo método de máxima verossimilhança. Para detectar possíveis observações in uentes foi realizada uma análise de sensibilidade no modelo proposto. Toda a análise foi desenvolvida no software R.
Abstract: In this work we propose a regression model with a cure fraction for grouped data using the Weibull distribution, which can be used to model survival data when the risk function is constant, monotonically increasing or monotonically decreasing. The proposed regression model is indicated for cases in which there are individuals who do not present the possibility of occurrence of the event of interest, indicating the presence of individuals cured in the study. Also, in situations where an excessive number of ties observations is observed, the data are grouped in intervals to correct these draws, or when the response variable is observed in time intervals, these intervals being equal for all sample units. In this way, grouped data is a particular case of interval censored data. A set of real data was used to illustrate the proposed model. The estimates of the model parameters were obtained by the maximum likelihood method. In order to detect possible in uential observations, a sensitivity analysis was performed in the proposed model. All the analysis was developed in software R.
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:EST - Mestrado em Estatística (Dissertações)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/31404/statistics">



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