Uso de métodos MCMC para análise Bayesiana de dados de sobrevivência na presença de covariáveis

Detalhes bibliográficos
Ano de defesa: 2001
Autor(a) principal: Souza, Cillene da Silva Nunes de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19012018-113133/
Resumo: 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.