Untitled - UFRJ
Untitled - UFRJ Untitled - UFRJ
Distribuição a Posteriori de Referência Log-Gama Negativapara a Função de Sobrevivência do Modelo ExponencialVera Lucia D. TomazellaUniversidade Federal de São CarlosMayara Piani Luna da SilvaUniversidade Federal de São CarlosCamila Bertini MartinsUniversidade Federal de São CarlosNeste artigo estudamos sob a perspectiva de análise de referência Bayesiana objetiva a construçãoda priori e posteriori de referência para a função de sobrevivência do modelo exponencial. A análise dereferência Bayesiana introduzida por Bernardo (1979) é um método de produzir afirmações inferênciaisque dependem apenas do modelo assumido e dos dados observados. O objetivo é encontrar uma específicafunção a priori de referência para os parâmetros desconhecidos do modelo e uma distribuição aposteriori de referência, a qual será dominada pelos dados observados. As distribuições a posteriori dereferência são obtidas através do uso formal do teorema de Bayes com a função a priori de referência,onde os resultados encontrado neste trabalho conduziu a distribuições a priori e a posteriori conhecidasna literatura podendo, estas serem utilizadas para estimações dos parâmetros de interesse.Palavras-Chave: Análise de referência bayesina objetiva, Priori de referência, Função de sobrevivência,Modelo exponencial.153
Análise Bayesiana do Modelo Log-Binomial: ComparaçãoEmpírica de Três Prioris Não-InformativasVanessa Bielefeldt Leotti TormanDepartamento de Estatística e Programa de Pós-Graduação emEpidemiologia - UFRGSSuzi Alves CameyDepartamento de Estatística e Programa de Pós-Graduação emEpidemiologia - UFRGSO modelo log-binomial modela a relação entre um desfecho dicotômico e preditores (contínuos ounão), com a vantagem de estimar diretamente o risco relativo (RR), medida de grande interesse emepidemiologia. Entretanto, este modelo não é comumente utilizado pois os programas usuais de análiseclássica frequentemente enfrentam problemas de convergência do algoritmo de maximização da verossimilhança.Neste trabalho, fez-se a análise Bayesiana do modelo log-binomial através do WinBUGS paraum conjunto de dados onde os programas SAS e R não convergem. Três prioris não-informativas foramutilizadas. A abordagem Bayesiana para o modelo log-binomial superou facilmente a dificuldade de convergência.Entre as três prioris propostas, a priori Uniforme teve o pior desempenho, recomendando-seassim a priori Normal ou dflat.154
- Page 103 and 104: A Practical Approach to Elicit Mult
- Page 105 and 106: Modelos Dinâmicos para Deformaçã
- Page 107 and 108: A Semiparametric Bayesian Approach
- Page 109 and 110: Modelo Weibull Modificado de Longa
- Page 111 and 112: Abordagem Bayesiana para Modelos GA
- Page 113 and 114: Modelo Bayesiano Geral de Classe La
- Page 115 and 116: Métodos de Estimação em Modelos
- Page 117 and 118: LASSO Bayesiano no Mapeamento de QT
- Page 119 and 120: Estudo das Matrizes de Covariância
- Page 121 and 122: Sensibilidade da Inferência Bayesi
- Page 123 and 124: Análise Bayesiana para o Estudo de
- Page 125 and 126: Uma Abordagem Bayesiana para Modelo
- Page 127 and 128: Construção de Tábuas de Mortalid
- Page 129 and 130: Um Procedimento Bayesiano para a An
- Page 131 and 132: Um Novo Modelo para Dependência Es
- Page 133 and 134: Distribuição Geométrica Exponenc
- Page 135 and 136: Morbidade Pulmonar e Condições Cl
- Page 137 and 138: Standard Setting for a Rasch Poisso
- Page 139 and 140: Modelo Logístico Misto com Classes
- Page 141 and 142: Metodologia Bayesiana para Detecç
- Page 143 and 144: Modelos Espaço-Temporais para Dado
- Page 145 and 146: Comparação de Modelos para a Iden
- Page 147 and 148: Modelos Multivariados de Regressão
- Page 149 and 150: Estimação Bayesiana em Modelos de
- Page 151 and 152: Previsão de Resultados de Jogos de
- Page 153: Uma Abordagem Bayesiana para Modelo
- Page 157 and 158: Desempate TécnicoFilipe Jaeger Zab
- Page 159 and 160: 10 o Encontro Brasileiro de Estatí
- Page 161 and 162: 10 o Encontro Brasileiro de Estatí
- Page 163: 10 o Encontro Brasileiro de Estatí
Análise Bayesiana do Modelo Log-Binomial: ComparaçãoEmpírica de Três Prioris Não-InformativasVanessa Bielefeldt Leotti TormanDepartamento de Estatística e Programa de Pós-Graduação emEpidemiologia - UFRGSSuzi Alves CameyDepartamento de Estatística e Programa de Pós-Graduação emEpidemiologia - UFRGSO modelo log-binomial modela a relação entre um desfecho dicotômico e preditores (contínuos ounão), com a vantagem de estimar diretamente o risco relativo (RR), medida de grande interesse emepidemiologia. Entretanto, este modelo não é comumente utilizado pois os programas usuais de análiseclássica frequentemente enfrentam problemas de convergência do algoritmo de maximização da verossimilhança.Neste trabalho, fez-se a análise Bayesiana do modelo log-binomial através do WinBUGS paraum conjunto de dados onde os programas SAS e R não convergem. Três prioris não-informativas foramutilizadas. A abordagem Bayesiana para o modelo log-binomial superou facilmente a dificuldade de convergência.Entre as três prioris propostas, a priori Uniforme teve o pior desempenho, recomendando-seassim a priori Normal ou dflat.154
Change language