Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/31450
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_DamiãoFláviodosSantos.pdf1,35 MBAdobe PDFVisualizar/Abrir
Título: Modelo de regressão log-logístico discreto com fração de cura para dados de sobrevivência
Autor(es): Santos, Damião Flávio dos
Orientador(es): Guevara Otiniano, Cira Etheowalda
Coorientador(es): Gomes, Juliana Betini Fachini
Assunto: Fração de cura
Regressão logística
Análise de sobrevivência
Data de publicação: 15-Mar-2018
Referência: SANTOS, Damião Flávio dos. Modelo de regressão log-logístico discreto com fração de cura para dados de sobrevivência. 2017. xv, 81 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2017.
Resumo: As técnicas de análise de sobrevivência têm como princípio analisar o tempo até a ocorrência de um determinado evento de interesse. Esse tempo pode ser caracterizado como contínuo ou discreto, e diante disso, as análises serão distintas. Neste trabalho é apresentada uma formulação do modelo de regressão Log-Logístico discreto com fração de cura e sem fração de cura. O comportamento dos estimadores dos parâmetros dos modelos Log- Logístico discreto com fração de cura e sem fração de cura foi avaliado via simulação Monte Carlo com 2.000 réplicas de diferentes tamanhos de amostras. Os modelos propostos foram ilustrados em dois conjuntos de dados sobre a evas ão de alunos no ensino superior, nas quais examina-se a influência das covariáveis observadas na variável resposta. As interpretações das estimativas dos parâmetros foram coerentes com as análises descritivas, confirmando um bom ajuste dos modelos propostos. As simulações e análises foram feitas utilizando o software livre R.
Abstract: Survival analysis techniques have as a principle to analyze the time until the occurrence of a particular event of interest, so that this time can be characterized as continuous or discret, in the face of this, the analyses will be distinct. In this work is present a formulation of the discrete time Log-Logistic regression model with healing fraction and no healing fraction. The behavior of the estimators of the parameters of the discrete Log-Logistic models with healing fraction and no healing fraction was evaluated via Monte Carlo simulation with 2.000 replicas of different sample sizes. The proposed models were illustrated in two real data sets on the evasion of students in higher education, in which the influence of the covariates observed in the response variable is examined. The interpretations of the estimates of the parameters were consistent with descriptive analysis, confirming a good adjustment of the proposed models. Simulations and analysis were made using the free software R.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017.
Programa de pós-graduação: Programa de Pós-Graduação em Estatística
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.