dc.contributor.author | Santos, Daiane de Souza | |
dc.date.accessioned | 2020-01-27T19:58:55Z | |
dc.date.available | 2020-01-27T19:58:55Z | |
dc.date.issued | 2019-12-06 | |
dc.identifier.citation | SANTOS, Daiane de Souza. Modelo de dispersão Hiper-Poisson para variáveis discretas observáveis e não observáveis. 2019. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2019. Disponível em: https://repositorio.ufscar.br/handle/ufscar/12175. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/12175 | |
dc.description.abstract | Poisson distribution is widely used to model count data, however it has the disadvantage the
assumption that the data must have equal mean and variance, which is not always true, since
in many situations the phenomenon of overdispersion (variance greater than average) or under-
dispersion (variance lower than average) is common. Thus, we work with the hyper-Poisson
distribution, which may accomodate data with overdispersion or underdispersion. The hyper-
Poisson model is investigated here in two distinct scenarios, first modeling observable random
variables in counting problems, and secondly representing an unobservable (latent) variable used
in survival analysis models. In the first scenario, we take a classic approach for the estimation of
the parameters of the hyper-Poisson distribution and we developed the usual likelihood ratio test,
together with the gradient test to test the model dispersion parameter. In the survival analysis,
we propose a new cure rate model induced by frailty discrete with hyper-Poisson probability
distribution, since it is important to choose a distribution that takes into account the dispersion
of risk factors. For this new model we developed inferential procedures from the classical and
bayesian perspectives. All the models worked were analyzed through simulation studies and
applied to real data sets. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Distribuição hiper-Poisson | por |
dc.subject | Teste gradiente | por |
dc.subject | Modelos de fragilidade | por |
dc.subject | Modelos com fração de cura | por |
dc.subject | Algoritmo EM | por |
dc.subject | Inferência bayesiana | por |
dc.subject | | |
dc.subject | | |
dc.subject | | |
dc.subject | | |
dc.subject | | |
dc.subject | | |
dc.title | Modelo de dispersão Hiper-Poisson para variáveis discretas observáveis e não observáveis | por |
dc.title.alternative | Hyper-Poisson dispersion model for observable and unobservable discrete variables | por |
dc.type | Tese | por |
dc.contributor.advisor1 | Cancho, Vicente Garibay | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3503233632044163 | por |
dc.contributor.advisor-co1 | Rodrigues, Josemar | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/4359114733394761 | por |
dc.description.resumo | 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 sobredis-
persão 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 de dados reais | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA PARAMETRICA | por |
dc.description.sponsorshipId | CAPES: Código do Financiamento 001 | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/0929922667210546 | por |