Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.unb.br/handle/10482/34895
Fichier(s) constituant ce document :
Fichier Description TailleFormat 
2018_JoséPauloCamolezSilva.pdf1,35 MBAdobe PDFVoir/Ouvrir
Titre: Modelo de regressão bivariado via cópulas para dados discretos e censurados
Auteur(s): Silva, José Paulo Camolez
Orientador(es):: Gomes, Juliana Betini Fachini
Coorientador(es):: Guevara Otiniano, Cira Etheowalda
Assunto:: Modelo de regressão
Regressão logística
Análise de sobrevivência
Estatística
Cópulas arquimedianas
Date de publication: 17-jui-2019
Référence bibliographique: SILVA, José Paulo Camolez. Modelo de regressão bivariado via cópulas para dados discretos e censurados. 2018. 99 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2018.
Résumé: O presente estudo propôs modelos de sobrevivência bivariados baseados nas cópulas arquimedianas de Gumbel, Frank e Clayton com marginais Log-Logística discretas para modelar a dependência de dados de sobrevivência bivariados discretos e censurados. Ao considerar presença de covariáveis, foi proposto os modelos de regressão bivariados via cópula para dados discretos e censurados. Os parâmetros dos modelos foram estimados pelo método de máxima de verossimilhança paramétrica em um único passo. Para estudar o desempenho dos estimadores de máxima verossimilhança, realizou-se estudos de simulação de Monte Carlo por meio do software R. Finalmente, para exemplificar o uso dos modelos de regressão propostos, realizou-se uma aplicação a dados de sobrevivência com dois eventos de interesse, o tempo até a adoção da Lei de Zoneamento para Uso e Ocupação de Solo (ZUOS) e o tempo até a adoção da Lei de Zona Especial de Interesse (ZEIS). O modelo final foi definido pelo método Forward com covariáveis significativas a nível de 10%. Os resultados confirmam que os modelos são adequados para analisar os dados relacionados à adesão de Políticas Públicas, em que o modelo de regressão bivariado via cópula de Clayton obteve o melhor ajuste no ponto de vista estatístico. Já no ponto de vista político, os modelos de regressão bivariados via cópula de Gumbel e Frank se tornam preferíveis por conter mais informações sobre a adoção da Política ZUOS. Portanto, os modelos de regressão bivariados via cópulas propostos neste trabalho, apresentam-se como uma nova metodologia para analisar dados de sobrevivência com respostas bivariadas discretas, censuradas e na presença de variáveis explicativas.
Abstract: The present study propose bivariate survival models based on the Archimedean copulas of Gumbel, Frank and Clayton with discrete Log-Logistic marginals to model the dependence of discrete and censored bivariate survival data. When considering the presence of covariates, we proposed bivariate regression models via copula for discrete and censored data. The parameters of the models were estimated by the parametric maximum likelihood method in a single step. In order to explore maximum likelihood estimators performance, we used Monte Carlo simulation studies through the R software. Finally, to exemplify the proposed regression models, it was made an application to survival data with two events of interest: the time until adoption of the Zoning for Use and Occupancy of Soil (ZUOS) law, and the time until adoption of Special Area of Interest (SAI) law. The final model was defined by the “Forward” method, with significant covariates of 10% level. The results confirm that the models are adequate to analyze data related to the adherence of Public Policies, in which the model of bivariate regression via copula of Clayton obtained the best adjustment in the statistical point of view. In the political point of view, the bivariate regression models via copula of Gumbel and Frank, became preferable because they contain more information about the adoption of the (ZUOS) Policy. Therefore, the bivariate regression models proposed in this work are presented as a new methodology to analyze survival data with discrete, censored, bivariate responses, in the presence of explanatory variables.
metadata.dc.description.unidade: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018.
metadata.dc.description.ppg: 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).
Collection(s) :Teses, dissertações e produtos pós-doutorado

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/34895/statistics">



Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.