Show simple item record

dc.creatorGonzales, Jhon Franky Bernedo
dc.date.accessioned2016-06-02T20:04:52Z
dc.date.available2014-08-13
dc.date.available2016-06-02T20:04:52Z
dc.date.issued2014-05-30
dc.identifier.citationGONZALES, Jhon Franky Bernedo. Modelos de sobrevivência com fração de cura via partição bayesiana. 2014. 119 f. Tese (Doutorado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2014.por
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/4493
dc.description.abstractIn general, models for survival data with a cure fraction relate the cure fraction with the covariates using different link functions, for example, the logit link function and do not consider the problem of selection of covariates that have an effect on the cure fraction. So, in this work we propose a model that considers a partition of the predictor space in which the cure fraction depends locally of covariates. In this context, it adopts a orthogonal hyperplane tessellation to the axes to obtain a partition of the predictor space with the advantage that the proposed model selects the covariates that have an effect on the cure fraction. The developed modeling extends the Bayesian partition model proposed by Hoggart & Griffin (2001) to include information for qualitative variables with more than two categories and therefore a new computational strategy is considered. This extension allows to capture the effects of covariates on a local structure in which it is considered that the number of competing causes follows a power series distribution. This distribution is flexible because it includes special cases such as the binomial, Poisson, negative binomial and logarithmic distributions. To demonstrate the potential of the methodology, we used two set of data relating with cancer studies.eng
dc.description.sponsorshipFinanciadora de Estudos e Projetos
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAcesso Abertopor
dc.subjectAnálise de sobrevivênciapor
dc.subjectModelos de partiçãopor
dc.subjectModelos de sobrevivência com fração de curapor
dc.subjectSérie de potênciaspor
dc.titleModelos de sobrevivência com fração de cura via partição bayesianapor
dc.typeTesepor
dc.contributor.advisor1Tomazella, Vera Lucia Damasceno
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8870556978317000por
dc.creator.Latteshttp://lattes.cnpq.br/4565435898987261por
dc.description.resumoEm geral, os modelos para dados de sobrevivência com fracão de cura relacionam a fração de cura com as covariáveis por meio de diferentes funções de ligação, por exemplo, a função de ligação logito e não consideram o problema de seleção de covariáveis que tem um efeito na fração de cura. Assim neste trabalho é proposto uma modelagem que considera uma partição do espaço preditor em que a fração de cura depende localmente das covariáveis. Neste contexto, adota-se uma tesselação por hiperplanos ortogonais aos eixos a fim de obter uma partição do espaço preditor com a vantagem que os modelos propostos selecionam as covariáveis que têm efeito na fração de cura. A modelagem desenvolvida estende o modelo de partição bayesiana proposto por Hoggart & Griffin (2001) por incluir informações de variáveis qualitativas com mais de duas categorias e dessa forma uma nova estratégia computacional é considerada. Essa extensão permite capturar os efeitos das covariáveis numa estrutura local na qual considera-se que o número de causas competitivas segue distribuição série de potências. Esta distribuição é flexível pois inclui casos particulares, tais como a distribuição binomial, Poisson, binomial negativa e logarítmica. Para demonstrar o potencial da metodologia descrita, utilizou-se dois conjunto de dados relacionados com estudos de câncer.por
dc.publisher.countryBRpor
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Estatística - PPGEspor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICApor


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record