Família Weibull de razão de chances na presença de covariáveis

AUTOR(ES)

André Yoshizumi Gomes

FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

18/03/2009

RESUMO

A distribuição Weibull é uma escolha inicial freqüente para modelagem de dados com taxas de risco monótonas. Entretanto, esta distribuição não fornece um ajuste paramétrico razoável quando as funções de risco assumem um formato unimodal ou em forma de banheira. Neste contexto, Cooray (2006) propôs uma generalização da família Weibull considerando a distribuição da razão de chances das famílias Weibull e Weibull inversa, referida como família Weibull de razão de chances. Esta família não é apenas conveniente para modelar taxas de risco unimodal e banheira, mas também é adequada para testar a adequabilidade do ajuste das famílias Weibull e Weibull inversa como submodelos. Neste trabalho, estudamos sistematicamente a família Weibull de razão de chances e suas propriedades, apontando as motivações para o seu uso, inserindo covariáveis no modelo, veri_cando as di_culdades referentes ao problema da estimação de máxima verossimilhança dos parâmetros do modelo e propondo metodologia de estimação intervalar e construção de testes de hipóteses para os parâmetros do modelo. Comparamos os resultados obtidos por meio dos métodos de reamostragem com os resultados obtidos via teoria assintótica. Tanto a probabilidade de cobertura dos intervalos de con_ança propostos quanto o tamanho e poder dos testes de hipóteses considerados foram estudados via simulação de Monte Carlo. Além disso, propusemos uma metodologia Bayesiana de estimação para os parâmetros do modelo baseados em técnicas de simulação de Monte Carlo via Cadeias de Markov.

ASSUNTO(S)

estatística distribuição weibull razão de chances bootstrap (estatística) cadeias de markov teoria assintótica probabilidade de cobertura inferência bayesiana cadeias de markov de monte carlo (mcmc) estatistica weibull distribution odds ratio maximum likelihood estimator asymptotic theory bootstrap coverage probability bayesian inference monte carlo markov chains (mcmc) estimador de máxima verossimilhança

Documentos Relacionados

• Comparação entre a estimativa de razão de chances gerada pelo modelo de ODDS proporcionais com a razão de chances generalizada
• Um enfoque bayesiano do modelo de captura-recaptura na presença de covariáveis.
• Medidas de associação em estudo transversal com delineamento complexo: razão de chances e razão de prevalência
• Dados de sobrevivência multivariados na presença de covariáveis e observações censuradas: uma abordagem bayesiana
• Viés da razão de chances estimada pela regressão logística multinomial para estimar o risco relativo ou a razão de prevalência e alternativas