Andere Kunden interessierten sich auch für
![Modelos de Domínio do Tempo na Análise da Taxa de Criminalidade Agregada na Nigéria]( "Modelos de Domínio do Tempo na Análise da Taxa de Criminalidade Agregada na Nigéria")
Modelos de Domínio do Tempo na Análise da Taxa de Criminalidade Agregada na Nigéria26,99 €![Utilização de modelos de mistura de classes latentes para definir endótipos de sépsis]( "Utilização de modelos de mistura de classes latentes para definir endótipos de sépsis")
Utilização de modelos de mistura de classes latentes para definir endótipos de sépsis23,99 €![Modelagem e previsão de taxa de câmbio]( "Modelagem e previsão de taxa de câmbio")
Modelagem e previsão de taxa de câmbio29,99 €![Modelos de inventário]( "Modelos de inventário")
Modelos de inventário39,99 €![Modelo de Fragilidade Compartilhada]( "Modelo de Fragilidade Compartilhada")
Modelo de Fragilidade Compartilhada18,99 €![Ajuste de uma superfície de resposta]( "Ajuste de uma superfície de resposta")
Ajuste de uma superfície de resposta19,99 €![Um Modelo de Risco controlado por Resseguro]( "Um Modelo de Risco controlado por Resseguro")
Um Modelo de Risco controlado por Resseguro23,99 €
Os modelos de taxas de cura mistas são normalmente utilizados para analisar dados com sobreviventes a longo prazo. Por outro lado, os modelos de fragilidade levam a uma estimativa precisa dos coeficientes através do controlo da heterogeneidade dos dados de sobrevivência. Normalmente, a distribuição gama é utilizada nos modelos de fragilidade. Contudo, para dados de sobrevivência adequados a populações com uma taxa de cura, pode ser melhor utilizar uma distribuição discreta para a variável aleatória de fragilidade do que uma distribuição contínua. Por conseguinte, propusemos dois modelos neste livro. No primeiro modelo, é utilizada a gama como distribuição, e no segundo modelo, é aplicada uma distribuição hiper-Poisson para a variável aleatória de fragilidade. Também a inferência Bayesiana com distribuição Weibull e distribuição Weibull modificada generalizada como a distribuição de base foram utilizadas nos dois modelos propostos, respectivamente. Neste livro, utilizámos dados de pacientes com cancro gástrico para mostrar a aplicação destes modelos na análise de dados reais. Os parâmetros e coeficientes de regressão foram estimados utilizando o Metropolis dentro do algoritmo de amostragem de Gibbs. Foi também utilizado um estudo de simulação para avaliar o desempenho das estimativas Bayesianas a fim de confirmar os modelos propostos.