Andere Kunden interessierten sich auch für
![Modelos de dominio temporal en el análisis de la tasa de criminalidad agregada en Nigeria]( "Modelos de dominio temporal en el análisis de la tasa de criminalidad agregada en Nigeria")
Modelos de dominio temporal en el análisis de la tasa de criminalidad agregada en Nigeria27,99 €![Modelos Bayesianos de fragilidade da taxa de cura por mistura]( "Modelos Bayesianos de fragilidade da taxa de cura por mistura")
Modelos Bayesianos de fragilidade da taxa de cura por mistura51,99 €![Modelo de fragilidad compartida]( "Modelo de fragilidad compartida")
Modelo de fragilidad compartida18,99 €![Una revisión de los modelos de inventario]( "Una revisión de los modelos de inventario")
Una revisión de los modelos de inventario27,99 €![Metodologías para la toma de decisiones apoyadas en modelos difusos]( "Metodologías para la toma de decisiones apoyadas en modelos difusos")
Metodologías para la toma de decisiones apoyadas en modelos difusos53,99 €![Estudio del proceso de inercia en modelos de función de transferencia]( "Estudio del proceso de inercia en modelos de función de transferencia")
Estudio del proceso de inercia en modelos de función de transferencia25,99 €![Apuntes de Stata]( "Apuntes de Stata")
Apuntes de Stata32,99 €
Los modelos de tasa de curación mixta se utilizan habitualmente para analizar datos con supervivientes a largo plazo. Por otro lado, los modelos de fragilidad conducen a una estimación precisa de los coeficientes mediante el control de la heterogeneidad en los datos de supervivencia. Normalmente, en los modelos de fragilidad se utiliza la distribución gamma. Sin embargo, para los datos de supervivencia que son adecuados para poblaciones con una tasa de curación, puede ser mejor utilizar una distribución discreta para la variable aleatoria de fragilidad que una distribución continua. Por lo tanto, proponemos dos modelos en este libro. En el primer modelo, se utiliza gamma como distribución, y en el segundo modelo, se aplica la distribución hiper-Poisson para la variable aleatoria de fragilidad. Además, la inferencia Bayesiana con la distribución Weibull y la distribución Weibull modificada generalizada como distribución base se utilizaron en los dos modelos propuestos, respectivamente. En este libro, utilizamos datos de pacientes con cáncer gástrico para mostrar la aplicación de estos modelos en el análisis de datos reales. Los parámetros y coeficientes de regresión se estimaron mediante el algoritmo de muestreo de Metrópolis dentro de Gibbs. También se utilizó un estudio de simulación para evaluar el rendimiento de las estimaciones bayesianas y confirmar los modelos propuestos.