Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis (2019)
- Authors:
- Autor USP: SANTOS, DAIANE DE SOUZA - Interinstitucional de Pós-Graduação em Estatística
- Unidade: Interinstitucional de Pós-Graduação em Estatística
- Sigla do Departamento: SME
- DOI: 10.11606/T.104.2020.tde-04022020-171110
- Subjects: INFERÊNCIA BAYESIANA; DISTRIBUIÇÃO DE POISSON; DADOS DE CONTAGEM; VEROSSIMILHANÇA; ANÁLISE DE SOBREVIVÊNCIA
- Keywords: Algoritmo EM; Bayesian inference; Cure rate models; Distribuição hiper-Poisson; EM-algorithm; Frailty models; Gradient test; Hyper-Poisson distribution; Modelos com fração de cura; Modelos de fragilidade; Teste gradiente
- Agências de fomento:
- Language: Português
- Abstract: 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 sobredispersão 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 dedados reais.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 06.12.2019
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SANTOS, Daiane de Souza. Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/. Acesso em: 08 abr. 2026. -
APA
Santos, D. de S. (2019). Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/ -
NLM
Santos D de S. Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis [Internet]. 2019 ;[citado 2026 abr. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/ -
Vancouver
Santos D de S. Modelo de dispersão hiper-Poisson para variáveis discretas observáveis e não observáveis [Internet]. 2019 ;[citado 2026 abr. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-04022020-171110/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
