• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
10.11606/D.55.2018.tde-19012018-113133
Document
Auteur
Nom complet
Cillene da Silva Nunes de Souza
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2001
Directeur
Jury
Achcar, Jorge Alberto (Président)
Andrade Filho, Marinho Gomes de
Dias, Ronaldo
Titre en portugais
Uso de métodos MCMC para análise Bayesiana de dados de sobrevivência na presença de covariáveis
Mots-clés en portugais
Não disponível
Resumé en portugais
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.
Titre en anglais
Not available
Mots-clés en anglais
Not available
Resumé en anglais
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.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2018-01-19
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2020. Tous droits réservés.