Estimación bayesiana en el modelo de riesgos aditivos

Mostrar todas las versiones(2)

Desde la década de 1950, el Análisis de Supervivencia se ha convertido en una de las áreas más populares dentro del Análisis Estadístico. De hecho, los dos artículos estadísticos más citados hasta el momento, escritos por Kaplan & Meier (1958) y Cox (1972), pertenecen a esta área. En dicha á...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Riddick, Maximiliano Luis
Otros Autores: Álvarez, Enrique Ernesto
Formato: Tesis Tesis de doctorado
Lenguaje:Español
Publicado: 2020
Materias:
Matemática
Modelo de Riesgos Aditivos
Análisis de Supervivencia
Inferencia Bayesiana
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/138368
https://doi.org/10.35537/10915/138368
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-138368
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Matemática
Modelo de Riesgos Aditivos
Análisis de Supervivencia
Inferencia Bayesiana
spellingShingle Matemática
Modelo de Riesgos Aditivos
Análisis de Supervivencia
Inferencia Bayesiana
Riddick, Maximiliano Luis
Estimación bayesiana en el modelo de riesgos aditivos
topic_facet Matemática
Modelo de Riesgos Aditivos
Análisis de Supervivencia
Inferencia Bayesiana
description Desde la década de 1950, el Análisis de Supervivencia se ha convertido en una de las áreas más populares dentro del Análisis Estadístico. De hecho, los dos artículos estadísticos más citados hasta el momento, escritos por Kaplan & Meier (1958) y Cox (1972), pertenecen a esta área. En dicha área, se estudian las variables de Supervivencia, las cuales consisten en variables no negativas que miden el tiempo hasta la ocurrencia de cierto evento de interés, y se definen nuevas funciones buscando expresar distintos aspectos de ellas, tales como la función de Supervivencia y la función de riesgo λ(t). Los modelos de Supervivencia son expresados de acuerdo a las expresiones de sus respectivas funciones de riesgo, y el Modelo de Riesgos Aditivos es un modelo semiparamétrico muy utilizado, cuya función de riesgo es de la forma λ(t; β) := λ0(t) + β0z; donde λ0(·) representa a la componente no paramétrica del modelo, β es un vector Euclideo de parámetros regresores y z representa un vector de variables asociado a cada observación. El Análisis Bayesiano es un enfoque que permite, entre muchas otras aplicaciones, introducir información a priori, modelizando los parámetros como variables aleatorias. En esta tesis Doctoral, desarrollamos un análisis Bayesiano extenso del Modelo de Riesgos Aditivos, detallando los trabajos presentados en el área, e incluyendo nuevas propuestas de estimadores Bayesianos. Una ventaja importante de los estimadores hallados es que obtenemos sus expresiones de manera explícita, y evaluamos su eficiencia a través de simulaciones, en donde veremos el impacto obtenido al variar los parámetros de las prioris seleccionadas. Además, proponemos distintos procesos a priori para modelizar la componente no paramétrica λ0(·). Presentamos métodos de selección de prioris automáticas, así como opciones de elucidación, lo que refiere a la traducción del conocimiento experto.
author2 Álvarez, Enrique Ernesto
author_facet Álvarez, Enrique Ernesto
Riddick, Maximiliano Luis
format Tesis
Tesis de doctorado
author Riddick, Maximiliano Luis
author_sort Riddick, Maximiliano Luis
title Estimación bayesiana en el modelo de riesgos aditivos
title_short Estimación bayesiana en el modelo de riesgos aditivos
title_full Estimación bayesiana en el modelo de riesgos aditivos
title_fullStr Estimación bayesiana en el modelo de riesgos aditivos
title_full_unstemmed Estimación bayesiana en el modelo de riesgos aditivos
title_sort estimación bayesiana en el modelo de riesgos aditivos
publishDate 2020
url http://sedici.unlp.edu.ar/handle/10915/138368
https://doi.org/10.35537/10915/138368
work_keys_str_mv AT riddickmaximilianoluis estimacionbayesianaenelmodeloderiesgosaditivos
bdutipo_str Repositorios
_version_ 1764820457144451073

Ejemplares similares