Nesta dissertação estamos interessados na análise Bayesiana de dados de sobrevivência médicos com observações censuradas e na presença de uma ou mais covariáveis. Em muitos casos, podemos assumir um modelo de regressão paramétrica para os dados como uma alternativa aos modelos de regressão não paramétricas. Em casos especiais, podemos precisar de uma regressão paramétrica com uma distribuição mais geral para os dados de sobrevivência como uma mistura de distribuições. Um dos objetivos principais do projeto é relacionado ao uso de misturas de distribuições paramétricas para a variável erro nos modelos log-linerares. No contexto Bayesiano utilizamos técnicas de simulação de Monte Carlo em Cadeias de Markov (MCMC) e destacamos a utilização dos softwares "Ox " e "VVinBugs" como grandes alternativas para os problemas referente ao tempo de execução do§ algoritmos computacionais.

In this dissertation, we develop a Bayesian analysis for survival medical data with censored observations and in the presence of one or more covariates. In many cases, we can assume a parametrical modal for the lifetime data as na altemative to nonparametrical modais. In many special cases, we need a parametrical regression modal with a more general distribution as a mixture of distributions for the error assuming log-linear modais. In the Bayesian approach, we use MCMC simulation methods (Markov Chain Monte Cano) using the softwares Ox and WinBugs as a computational alternativa to other computational programs.