Tese

Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis (2019)

• Authors:
  • Santos, Daiane de Souza
  • Cancho, Vicente Garibay (Orientador)
  • Rodrigues, Josemar (Orientador)
• Autor USP: SANTOS, DAIANE DE SOUZA - INTER: ICMC -UFSCAR
• Unidade: INTER: ICMC -UFSCAR
• Sigla do Departamento: SME
• DOI: 10.11606/T.104.2020.tde-04022020-171110
• Subjects: INFERÊNCIA BAYESIANA; DISTRIBUIÇÃO DE POISSON; DADOS DE CONTAGEM; VEROSSIMILHANÇA; ANÁLISE DE SOBREVIVÊNCIA
• Keywords: Algoritmo EM; Bayesian inference; Cure rate models; Distribuição hiper-Poisson; EM-algorithm; Frailty models; Gradient test; Hyper-Poisson distribution; Modelos com fração de cura; Modelos de fragilidade; Teste gradiente
• Agências de fomento:
  • Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Language: Português
• Abstract: A distribuição Poisson é amplamente utilizada para modelar dados de contagem, no entanto tem como desvantagem a suposição de que os dados precisam ter média e variância iguais, o que nem sempre é verdade, pois em muitas situações é comum o fenômeno de sobredispersão (variância maior do que a média) ou subdispersão (variância menor do que a média). Desta forma, trabalhamos com a distribuição hiper-Poisson, que permite analisar dados com sobredispersão ou subdispersão. O modelo hiper-Poisson é investigado aqui em dois cenários distintos, primeiramente modelando variáveis aleatórias observáveis em problemas de contagem, e em um segundo momento representando uma variável não observável (latente) utilizada em modelos de análise de sobrevivência. No primeiro cenário, realizamos uma abordagem clássica para a estimação dos parâmetros da distribuição hiper-Poisson e empregamos o usual teste da razão de verossimilhanças, juntamente com o teste gradiente para testar o parâmetro de dispersão do modelo. Por outro lado, na análise de sobrevivência, propomos um novo modelo com fração de cura induzido por fragilidade discreta com distribuição de probabilidade hiper-Poisson, uma vez que é importante a escolha de uma distribuição que leve em conta a dispersão dos fatores de risco. Para este novo modelo desenvolvemos procedimentos inferenciais sob as perspectivas clássica e bayesiana. Todos os modelos trabalhados foram analisados por meio de estudos de simulação e aplicados a conjuntos dedados reais.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2019
• Data da defesa: 06.12.2019

Informações sobre o DOI: 10.11606/T.104.2020.tde-04022020-171110 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  SANTOS, Daiane de Souza. Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/. Acesso em: 03 jun. 2024.

• APA

  Santos, D. de S. (2019). Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/

• NLM

  Santos D de S. Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis [Internet]. 2019 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/

• Vancouver

  Santos D de S. Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis [Internet]. 2019 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Comparações múltiplas para dados censurados