Untitled - UFRJ
Untitled - UFRJ Untitled - UFRJ
A Multiple Time Scale Survival Model with a Cure FractionFrancisco Louzada-NetoCER-DEs, Universidade Federal de São CarlosJuliana CobreCER-DEs, Universidade Federal de São CarlosMany recent survival studies propose modeling data with a cure fraction, i.e., data in which part ofthe population is not susceptible to the event of interest. This event may occur more than once for thesame individual (recurrent event). We than have a scenario of recurrent event data in the presence ofa cure fraction, which may appear in various areas such as oncology, finance, industries, among others.This paper proposes a multiple time scale survival model to analyze recurrent events using a cure fraction.The objective is to analyze the efficiency of certain intervention to extinguish the studied event, in termsof covariates and censuring. All estimates were obtained using a sampling based approach, which allowsinformation to be input beforehand with lower computational effort. Simulations were realized basedon a clinical scenario in order to observe some frequentist properties of the estimation procedure in thepresence of small and moderate sample sizes. An application on a set of real mammary tumor data isprovided.95
Medidas do Valor Preditivo de um Modelo Bayesiano LogísticoAplicado a Dados de CréditoFrancisco Louzada-NetoCER-DEs-UFSCarPaulo Henrique Ferreira da SilvaCER-DEs-UFSCarPara diminuir o risco de decisões errôneas na concessão de crédito para clientes, métodos estatísticostêm sido extensivamente empregados para descrever a habilidade de modelos de classificação. A qualidadeda previsão de um modelo pode ser avaliada a partir de medidas como sensibilidade, especificidade, os valoresde predição positivo e negativo e a acurácia. Bem como via gráficos da sensibilidade/especificidade,comumente chamados de curva ROC, os quais permitem contemplar a capacidade preditiva de um modelode classificação bem como comparar modelos concorrentes através de sua escala. Neste trabalho,descrevemos um procedimento Bayesiano para modelagem de dados dicotômicos (Regressão LogísticaBayesiana), o qual permite adicionar à modelagem o conhecimento de um especialista, aproveitandoassim um conhecimento externo à base de dados, usualmente presentes em situações práticas. Dadosextraídos de uma carteira de um banco ilustram a metodologia. Um estudo de simulação é realizadopara verificar a adequabilidade das medidas preditivas.96
- Page 45 and 46: 10 o Encontro Brasileiro de Estatí
- Page 47 and 48: 10 o Encontro Brasileiro de Estatí
- Page 49 and 50: 10 o Encontro Brasileiro de Estatí
- Page 51 and 52: Generalized Exponential Distributio
- Page 53 and 54: Análise Bayesiana da Priori Jeffer
- Page 55 and 56: Neighborhood Dependence in Bayesian
- Page 57 and 58: Aplicação do Algoritmo MCMC de Sa
- Page 59 and 60: Decisões de Investimento e Restri
- Page 61 and 62: Test for Symmetry in Contingency Ta
- Page 63 and 64: Aplicações de Inferência Bayesia
- Page 65 and 66: Uma Abordagem Bayesiana do Modelo M
- Page 67 and 68: Accounting for Latent Spatio-Tempor
- Page 69 and 70: Uma Abordagem Bayesiana para Proces
- Page 71 and 72: A Bayesian Analysis for the General
- Page 73 and 74: Comparação de um Modelo Dinâmico
- Page 75 and 76: Estimando Variações de Temperatur
- Page 77 and 78: A Bayesian Approach to Multivariate
- Page 79 and 80: Bayesian Inference for Gamma Modula
- Page 81 and 82: Computational Tools for Comparing A
- Page 83 and 84: Modelo Partição Produto com “Cl
- Page 85 and 86: BIC Criterion for Minimal Markov Mo
- Page 87 and 88: Estimadores Lineares Bayesianos em
- Page 89 and 90: Modelos de Volatilidade Estocástic
- Page 91 and 92: Processo de Difusão Multivariado c
- Page 93 and 94: Generalized Latent Factor Models fo
- Page 95: Measuring Vulnerability via Spatial
- Page 99 and 100: Aproximações Analíticas para Pos
- Page 101 and 102: Modelo de Risco Logístico Dependen
- 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
Medidas do Valor Preditivo de um Modelo Bayesiano LogísticoAplicado a Dados de CréditoFrancisco Louzada-NetoCER-DEs-UFSCarPaulo Henrique Ferreira da SilvaCER-DEs-UFSCarPara diminuir o risco de decisões errôneas na concessão de crédito para clientes, métodos estatísticostêm sido extensivamente empregados para descrever a habilidade de modelos de classificação. A qualidadeda previsão de um modelo pode ser avaliada a partir de medidas como sensibilidade, especificidade, os valoresde predição positivo e negativo e a acurácia. Bem como via gráficos da sensibilidade/especificidade,comumente chamados de curva ROC, os quais permitem contemplar a capacidade preditiva de um modelode classificação bem como comparar modelos concorrentes através de sua escala. Neste trabalho,descrevemos um procedimento Bayesiano para modelagem de dados dicotômicos (Regressão LogísticaBayesiana), o qual permite adicionar à modelagem o conhecimento de um especialista, aproveitandoassim um conhecimento externo à base de dados, usualmente presentes em situações práticas. Dadosextraídos de uma carteira de um banco ilustram a metodologia. Um estudo de simulação é realizadopara verificar a adequabilidade das medidas preditivas.96