Página 1 dos resultados de 4 itens digitais encontrados em 0.002 segundos

Modelagem em análise de sobrevivência para dados médicos bivariados utilizando funções cópulas e fração de cura; Modeling in survival analysis for medical data using bivariate copula functions and cure fraction.

Barros, Emilio Augusto Coelho
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 31/07/2014 Português
Relevância na Pesquisa
Modelos de mistura e de não mistura em longa duracão, são aplicados na analise de dados de sobrevivência quando uma parcela de indivduos não são suscetíveis ao evento de interesse. Diferentes modelos estatsticos são propostos para analisar dados de sobrevivência na presenca de fracão de cura. Nesta tese, e proposto o uso de novos modelos. Sob o ponto de vista univariado, inicialmente e considerado o caso em que os dados de sobrevivênciaa seguem distribuicão Burr XII com três parâmetros, no qual inclui o modelo de mistura para a distribuicão Weibull como caso particular. Um modelo de sobrevivência geral e estudado considerando a situacão em que os parâmtreos de locacão e forma dessa distribuicão dependem de covariaveis. Ainda considerando o caso univariado, um estudo da distribuicãoo exponencial exponenciada com dois parâmetros e realizado. Essa distribuicão, tambem conhecida como distribuicão exponencial generalizada, e um caso particular da distribuicão Weibull exponenciada, introduzida por Mudholkar e Srivastava (1993). Um modelo de sobrevivência geral tambem e estudado, nesse caso considera-se a situacão em que os parâmetros de escala, forma e de fracão de cura da distribuicão exponencial exponenciada dependem de covariaveis. Um terceiro estudo univariado considera a distribuicão Weibull na presenca de fracão de cura...

Conditional expectation formulae for copulas

Crane, G.; Van Der Hoek, J.
Fonte: Blackwell Publ Ltd Publicador: Blackwell Publ Ltd
Tipo: Artigo de Revista Científica
Publicado em //2008 Português
Relevância na Pesquisa
Not only are copula functions joint distribution functions in their own right, they also provide a link between multivariate distributions and their lower-dimensional marginal distributions. Copulas have a structure that allows us to characterize all possible multivariate distributions, and therefore they have the potential to be a very useful statistical tool. Although copulas can be traced back to 1959, there is still much scope for new results, as most of the early work was theoretical rather than practical. We focus on simple practical tools based on conditional expectation, because such tools are not widely available. When dealing with data sets in which the dependence throughout the sample is variable, we suggest that copula-based regression curves may be more accurate predictors of specific outcomes than linear models. We derive simple conditional expectation formulae in terms of copulas and apply them to a combination of simulated and real data.; Glenis J. Crane and John van der Hoek; © 2008 Australian Statistical Publishing Association Inc.

A new bivariate extension of FGM copulas

Amblard, Cécile; Girard, Stéphane
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 30/03/2011 Português
Relevância na Pesquisa
We propose a new family of copulas generalizing the Farlie-Gumbel-Morgenstern family and generated by two univariate functions. The main feature of this family is to permit the modeling of high positive dependence. In particular, it is established that the range of the Spearman's Rho is [-3/4,1] and that the upper tail dependence coefficient can reach any value in [0,1]. Necessary and sufficient conditions are given on the generating functions in order to obtain various dependence properties. Some examples of parametric subfamilies are provided.

Constructing a bivariate distribution function with given marginals and correlation: application to the galaxy luminosity function

Takeuchi, Tsutomu T.
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 03/04/2010 Português
Relevância na Pesquisa
We show an analytic method to construct a bivariate distribution function (DF) with given marginal distributions and correlation coefficient. We introduce a convenient mathematical tool, called a copula, to connect two DFs with any prescribed dependence structure. If the correlation of two variables is weak (Pearson's correlation coefficient $|\rho| <1/3 $), the Farlie-Gumbel-Morgenstern (FGM) copula provides an intuitive and natural way for constructing such a bivariate DF. When the linear correlation is stronger, the FGM copula cannot work anymore. In this case, we propose to use a Gaussian copula, which connects two given marginals and directly related to the linear correlation coefficient between two variables. Using the copulas, we constructed the BLFs and discuss its statistical properties. Especially, we focused on the FUV--FIR BLF, since these two luminosities are related to the star formation (SF) activity. Though both the FUV and FIR are related to the SF activity, the univariate LFs have a very different functional form: former is well described by the Schechter function whilst the latter has a much more extended power-law like luminous end. We constructed the FUV-FIR BLFs by the FGM and Gaussian copulas with different strength of correlation...