O passo inicial de qualquer análise estatística consiste em uma descrição dos dados através de análise descritiva (tabelas, medidas e gráficos).
|
|
- Thomas Dreer Soares
- 5 Há anos
- Visualizações:
Transcrição
1 TÉCNICAS NÃO-PARAMÉTRICAS O passo inicial de qualquer análise estatística consiste em uma descrição dos dados através de análise descritiva (tabelas, medidas e gráficos). Como a presença de censura invalida esse tipo de tratamento aos dados de sobrevivência, o principal componente da análise descritiva é a função de sobrevivência. Dessa forma, o procedimento inicial é encontrar uma estimativa para a função de sobrevivência e, a partir dela, estimar as quantidades de interesse. Métodos não paramétricos para estimação da função de sobrevivência são fáceis de entender e aplicar. Eles são menos eficientes que os métodos paramétricos quando os tempos de sobrevivência seguem uma distribuição teórica e mais eficientes quando nenhuma distribuição teórica apropriada é conhecida. Na abordagem não paramétrica, a estimação é realizada sem que se faça nenhuma suposição sobre a distribuição de probabilidade do tempo de sobrevivência e assim não possui parâmetros a serem estimados. Iremos considerar dois estimadores não paramétricos: A tabela de vida e o estimador de Kaplan e Meier
2 TABELA DE VIDA o As tabelas de vida são usadas pelas companhias de seguros desde o século XVII. o São procedimentos que mostram a estrutura do tempo de sobrevivência para grupos homogêneos de indivíduos quando esses tempos são submetidos a censura. o Para construção da tabela de vida é necessário dividir o eixo do tempo em um certo número de intervalos. o Suponha que o eixo do tempo seja dividido em k intervalos definidos pelos pontos de corte, t 1,t 2,...,t k, ou seja, I j =[t j-1,t j ), para j=1,2,...,k em que t 0 =0 e t k =. o Sejam: d j = número de falhas no intervalo [t j-1,t j ), c j = número de censuras em [t j-1,t j ) e n j = número de observações sob risco (não falhou e não foi censurado) em t j-1.
3 TABELA DE VIDA o A estimação de S(t) é feita da seguinte maneira: 1) Estimamos para cada um dos intervalos a probabilidade condicional de uma observação falhar no intervalo [t j-1,t j ) sabendo que ela não falhou até t j-1, ou seja q j = j P( T [ t j 1, t j) T t 1) É importante citar que o número de censuras é dividido por dois pois observações para as quais a censura ocorreu no intervalo [t j-1,t j ) são tratadas como se estivessem sob risco durante a metade do intervalo considerado. 2) Podemos construir estimadores para S(t) a partir de 3) Suponha que em um grupo tenhamos n pacientes no instante t=t 0. Desses, aproximadamente n( qˆ 0 ) não chegarão a t=t 1 sem a ocorrência do evento de interesse. qˆ j = n qˆ j j d j c 2 j 4) Em consequência, ao final do primeiro período ainda estarão sob risco 5) Assim, temos que Sˆ ( t n(1 n qˆ 0 1) = = 1 qˆ 0 ) n 1 qˆ ( 0 )
4 TABELA DE VIDA 6) Analogamente, dos n( 1 qˆ 0) que chegam ao final desse período, chegarão ao final do terceiro período. Assim, n 1 qˆ 0 )( 1 qˆ ) ( 1 Sˆ( t ) = (1 qˆ 7) Em geral, para qualquer tempo t teremos com j=1,...,s e )( 1 ˆ 2 0 q1 ) j = = (1 S ˆ( t ) = (1 q ˆ ) (1 q ˆ )... (1 q ˆ ) q ˆ ) j qˆ0 = j i 1) i= 1 Ou seja, para as observações sob risco no tempo t j-1, a sua probabilidade de falhar no intervalo [t j-1,t j ) é q j, e consequentemente a probabilidade de não falhar é 1-q j.
5 TABELA DE VIDA INTERPRETANDO: A função de sobrevivência é a probabilidade de uma observação não falhar até o tempo t j. Considere, por exemplo, que a probabilidade de um paciente sobreviver aos primeiros dois anos de um estudo é igual a probabilidade dele sobreviver ao primeiro ano e então sobreviver a mais um ano. A representação gráfica da função de sobrevivência, chamada curva de sobrevivência, é uma função escada, com valor constante em cada intervalo de tempo. Sˆ ( t j ) A variância assintótica para é obtida por
6 EXEMPLO 1: Um estudo clínico aleatorizado foi realizado para investigar o efeito da terapia com esteróide no tratamento de hepatite viral aguda. Vinte e nove pacientes com a doença foram aleatorizados para receber um placebo ou o tratamento com esteróide. Cada paciente foi acompanhado por 16 semanas ou até a morte (evento de interesse) ou até a perda de acompanhamento. Os tempos de sobrevivência observados, em semanas, para os dois grupos foram GRUPO CONTROLE: 1+,2+,3,3,3+, 5+, 5+, 16+, 16+, 16+, 16+, 16+, 16+, 16+, 16+ GRUPO ESTERÓIDE: 1,1,1,1+,4+,5,7,8,10,10+,12+,16+,16+,16+ Considere o grupo esteróide dividido em 4 intervalos: [0,5), [5,10), [10,15), [15, ), construa a tabela de vida para os dados.
7 EXEMPLO 1: Construa a tabela de vida para o grupo controle. Compare o resultado com o do grupo esteróide.
8 ESTIMADOR DE KAPLAN-MEIER o O estimador de Kaplan-Meier, também chamado estimador produtolimite, foi proposto por Kaplan e Meier em 1958 e é sem dúvida o mais utilizado em estudos clínicos. o A expressão estimador produto refere-se ao fato de que a probabilidade de sobrevida até a data especificada é estimada considerando-se que a sobrevivência até cada tempo é independente da sobrevivência até outros tempos, e, em consequência, a probabilidade de se chegar até o tempo t é o produto da probabilidade de se chegar até cada um dos tempos anteriores. o O estimador de Kaplan-Meier considera tantos intervalos de tempo quantos forem o número de falhas distintas e os limites dos intervalos são os próprios tempos de falha da amostra. o O estimador de Kaplan-Meier apresenta a forma do estimador tabela de vida, mas utiliza um estimador ligeiramente diferente para q j.
9 ESTIMADOR DE KAPLAN-MEIER o Suponha que existam n pacientes no estudo e k( n) falhas distintas nos tempos t 1 <t 2 <...<t k. Seja dj o número de falhas no tempo t j e n j o número de observações sob risco até o tempo t j (exclusive), ou seja, os indivíduos que não falharam e não foram censurados até o instante imediatamente anterior a t j. o O estimador de Kaplan-Meier é, então, definido como: Sˆ( t) = j: t j < t nj d nj j = j: t j < t 1 d n j j o PRINCIPAIS PROPRIEDADES: i. É o estimador de máxima verossimilhança de S(t), ii. É não-viciado para amostras grandes, iii. É fracamente consistente e iv. Converge assintoticamente para um processo Gaussiano.
10 EXEMPLO 1: GRUPO CONTROLE: 1+,2+,3,3,3+, 5+, 5+, 16+, 16+, 16+, 16+, 16+, 16+, 16+, 16+ GRUPO ESTERÓIDE: 1,1,1,1+,4+,5,7,8,10,10+,12+,16+,16+,16+ Obtenha as estimativas de Kaplan-Meier para o grupo esteróide.
11 EXEMPLO 1: o o o o o o o o Todos os indivíduos estavam vivos em t=0 e se mantêm até a primeira morte que ocorre em t=1 semana. Então a estimativa de S(t) deve ser 1 neste intervalo compreendido entre 0 e 1 semana. No valor correspondente a 1 semana, a estimativa deve cair devido a três mortes que ocorrem neste tempo. No segundo intervalo, existem então 14 indivíduos que estavam sob risco antes de t=1 e 3 morrem. Desta forma, a estimativa da probabilidade condicional de morte neste intervalo é 3/14 e a probabilidade de sobreviver é 1-3/14. Observe, por exemplo, que S ˆ(6) = Sˆ(5), pois S ˆ( t ) é uma função escada com saltos somente nos tempos de falha. A curva de sobrevivência é construída mantendo o valor estimado da função de sobrevivência constante entre os tempos de falha. Quando o maior tempo observado na amostra corresponder a uma censura, o gráfico não atinge o valor. S ˆ ( t) = 0
12 EXEMPLO 1: Figura 2.1: Estimativas de Kaplan-Meier para os dados de hepatite.
13 EXEMPLO 1: GRUPO CONTROLE: 1+,2+,3,3,3+, 5+, 5+, 16+, 16+, 16+, 16+, 16+, 16+, 16+, 16+ GRUPO ESTERÓIDE: 1,1,1,1+,4+,5,7,8,10,10+,12+,16+,16+,16+ Obtenha as estimativas de Kaplan-Meier para o grupo controle.
14 EXEMPLO 2: Obtenha as estimativas de Kaplan-Meier para os dados de pacientes com aids.
15 EXEMPLO 2:
16 ESTIMADOR DE KAPLAN-MEIER o Para a construção de intervalos de confiança e testes de hipóteses para S(t) é necessário uma estimativa da variância de S ˆ ( t )
17 ESTIMADOR DE KAPLAN-MEIER
18 ESTIMADOR DE KAPLAN-MEIER
19 ESTIMADOR DE KAPLAN-MEIER
20 ESTIMADOR DE KAPLAN-MEIER o Obtenha um intervalo de 95% de confiança para S(6) (Exemplo 1).
21 ESTIMADOR DE KAPLAN-MEIER o Obtenha um intervalo de 95% de confiança para S(84) (Exemplo 2).
22 ESTIMADOR DE KAPLAN-MEIER o Quando a função de sobrevivência estimada é próxima de zero ou um, este tipo de intervalo, simétrico, é inapropriado pois pode conduzir os limites de confiança para valores fora do intervalo [0,1]. o Uma solução pode ser substituir os limites maiores do que um por 1.0 e os limites menores do que zero por 0.0. o Uma procedimento alternativo é utilizar uma transformação para S(t) e construir um intervalo assimétrico para. ln( ln S ( t)) o Esse método, além de assegurar que os limites de confiança sejam positivos e menores ou iguais a 1, é considerado mais preciso pois ln Hˆ KM ( t) tem uma distribuição mais próxima da normal do que. ln H ( t) = S ˆ ( t )
23 o Assim, ESTIMADOR DE KAPLAN-MEIER
24 ESTIMADOR DE KAPLAN-MEIER o Assim, um intervalo aproximado de 100(1-α)% de confiança para S(t) é dado por o Os estimadores tabela de vida e Kaplan-Meier são em geral similares. A grande diferença está no número de intervalos utilizados. o A estimativa obtida pelo estimador de Kaplan-Meier é baseada, frequentemente, em um número maior de intervalos. o É natural esperar que quanto maior o número de intervalos, melhor será a aproximação para a verdadeira distribuição do tempo de falha. o Para o mecanismo de censura do tipo aleatório, as estimativas por Kaplan-Meier e Tabela de vida serão próximas mas não necessariamente coincidentes. o Neste caso, alguns estudos mostram a superioridade do estimador de Kaplan-Meier.
25 ESTIMAÇÃO DE QUANTIDADES BÁSICAS o A partir da curva de Kaplan-Meier é possível obter estimativas de algumas quantidades de interesse, tais como tempo mediano e percentis. o Como a curva de sobrevivência é uma função escada, as estimativas mais adequadas são obtidas por meio de interpolação linear. Ŝ(6) o Para obter : o Para obter o tempo mediano: o Esta forma usualmente gera uma melhor representação da distribuição contínua do tempo de falha.
26 ESTIMAÇÃO DE QUANTIDADES BÁSICAS o De forma análoga pode-se obter estimativas de outros percentis da distribuição dos tempos de vida. o Outra quantidade que pode ser de interesse é o tempo médio de vida. o Uma estimativa pode ser obtida calculando-se a área (integral) sob a curva de Kaplan-Meier estimada. o Como esta curva é uma função escada, esta integral é simplesmente a soma de áreas de retângulos. o Em que t 1 <...<t k são os k tempos distintos e ordenados de falha. o Tal estimativa deve ser evitada se o maior tempo observado for censurado. o Pois nesses casos a curva de sobrevivência não atinge o valor zero e o valor do tempo médio fica subestimado.
27 ESTIMAÇÃO DE QUANTIDADES BÁSICAS o Uma alternativa é usar a mediana ao invés do tempo médio de vida. o A variância assintótica de pode ser estimada por tˆm
28 No R Kapla-Meir: ekm<-survfit(surv(tempo, censura)) summary (ekm) Curva de sobrevivência: plot(ekm,conf.int=t, xlab="tempo",ylab="s(t) estimada") Kapla-Meir com estratificação: ekm<-survfit(surv(tempo, censura) ~variável) summary (ekm) plot(ekm)
29 o Exemplo 1: Pacientes com aids tempo <- c(16, 18, 21, 21, 22, 25, 29, 35, 37,39, 40, 50, 52, 54, 60, 80, 80, 81, 83, 84, 85) censura <- c(1,1,0,1,1,0,1,1,1,1,1,0,1,1,1,0,1,0,1,1,0) y<- Surv(tempo,censura) ekm<-survfit(y~1) ekm summary(ekm) plot(ekm, xlab="tempo",ylab="s(t) estimada") o Exemplo 2: Pacientes com hepatite tempo<- c(1,2,3,3,3,5,5,16,16,16,16,16,16,16,16,1,1,1,1,4,5,7,8,10,10,12,16,16,16) cens<-c(0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0) grupos<-c(rep(1,15),rep(2,14)) ekm<- survfit(surv(tempos,cens)~grupos) summary(ekm) plot(ekm, lty=c(2,1), xlab="tempo (semanas)",ylab="s(t) estimada") legend(1,0.3,lty=c(2,1),c("controle","esteroide"),lwd=1, bty="n")
30 o Exemplo 3: Reincidência de tumor sólido Deseja-se avaliar o tempo de reincidência de 10 pacientes com tumor sólido. Dos 10 pacientes, seis deles apresentaram reincidência em 3; 6.5; 6.5; 10; 12 e 15 meses de seus respectivos ingressos no estudo. Um deles perdeu o contato após 8.4 meses de acompanhamento e três deles permaneceram sem reincidência após 4; 5.7 e 10 meses de acompanhamento. tempos<- c(3,4,5.7,6.5,6.5,8.4,10,10,12,15) cens<- c(1,0,0,1,1,0,1,0,1,1) ekm<- survfit(surv(tempos,cens)) summary(ekm) plot(ekm,conf.int=t, xlab="tempo (em meses)", ylab="s(t) estimada", bty="n")
31 o Exemplo 3: Reincidência de tumor sólido OBTENÇÃO TEMPO MÉDIO t<- tempos[cens==1] tj<-c(0,as.numeric(levels(as.factor(t)))) surv<-c(1,as.numeric(levels(as.factor(ekm$surv)))) surv<-sort(surv, decreasing=t) k<-length(tj)-1 prod<-matrix(0,k,1) for(j in 1:k){ prod[j]<-(tj[j+1]-tj[j])*surv[j] } tm<-sum(prod) tm
TÉCNICAS NÃO-PARAMÉTRICAS
TÉCNICAS NÃO-PARAMÉTRICAS O pass inicial de qualquer análise estatística cnsiste em uma descriçã ds dads através de análise descritiva (tabelas, medidas e gráfics). Cm a presença de censura invalida esse
Leia maisANÁLISE DE SOBREVIVÊNCIA. Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP
ANÁLISE DE SOBREVIVÊNCIA Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP Objetivo Estudar o tempo desde um instante inicial até a ocorrência de um evento (alha). Estudar o tempo de sobrevida de
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1/42 Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisO tempo de sobrevivência é uma variável aleatória T, contínua e positiva.
ESPECIFICAÇÃO DO TEMPO DE SOBREVIVÊNCIA O tempo de sobrevivência é uma variável aleatória T, contínua e positiva. Os valores que T pode assumir têm alguma distribuição de probabilidade que pode ser especificada
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisEPI3. Aula 6 Estudos de risco: Análise de sobrevida
EPI3 Aula 6 Estudos de risco: Análise de sobrevida 2015 Objetivo Estimar a sobrevida de um grupo populacional desde um determinado tempo T até a ocorrência de algum DESFECHO (doença, morte...) Verificar
Leia maisPROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO
PROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO O método de máxima verossimilhança somente deve ser aplicado após ter sido definido um modelo probabilístico adequado para os dados. Se um modelo for usado
Leia maisQuestão clínica: Prognóstico/sobrevida. Análise de sobrevida 2015
Questão clínica: Prognóstico/sobrevida Análise de sobrevida 2015 Objetivo Estimar a sobrevida de um grupo populacional desde um determinado tempo T até a ocorrência de algum DESFECHO (doença, morte...)
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisAnálise de Sobrevivência. Exercícios - Capítulo 1
Análise de Sobrevivência Profa. Suely Ruiz Giolo Departamento de Estatística - UFPR Exercícios - Capítulo 1 1. Suponha que seis ratos foram expostos a um material cancerígeno. Os tempos até o desenvolvimento
Leia maisOutline. 2 Cap 2 O tempo. 3 Cap 3 Funções de Sobrevida. Carvalho MS (2009) Sobrevida 1 / 21
Outline 1 Cap 1 Introdução 2 Cap 2 O tempo 3 Cap 3 Funções de Sobrevida 4 Carvalho MS (2009) Sobrevida 1 / 21 Estimação Não-Paramétrica Estimadores de sobrevida e risco Kaplan-Meier e Nelson Aalen Intervalos
Leia maisANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS
ANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS 1. A tabela a seguir apresenta o tempo, em dias, até a ocorrência dos primeiros sinais de alterações indesejadas no estado geral de saúde de 45 pacientes
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA ANÁLISE DE SOBREVIDA EM 90 HOMENS COM CÂNCER DE LARINGE
UNIVERSIDADE FEDERAL DO PARANÁ SETOR CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA ANÁLISE DE SOBREVIDA EM 90 HOMENS COM CÂNCER DE LARINGE Aluna: Scheylla Calazans Orientadora: Profa. Dra. Nívea S. Matuda
Leia maisMODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 MODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Leia maisCap 7 Modelo de Cox. Outline. 2 Cap 2 O tempo. 3 Cap 3 Funções de Sobrevida. 5 Modelo de Cox. Carvalho MS (2009) Sobrevida 1 / 22
Outline Cap 7 Modelo de Cox 1 Cap 1 Introdução 2 Cap 2 O tempo 3 Cap 3 Funções de Sobrevida 4 Cap 4 Não-Paramétrica 5 Modelo de Cox Carvalho MS (2009) Sobrevida 1 / 22 Riscos Proporcionais Cap 7 Modelo
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisXVI COBREAP - CONGRESSO BRASILEIRO DE ENGENHARIA DE AVALIAÇÕES E PERÍCIAS - IBAPE/AM 2011 NATUREZA DO TRABALHO: TRABALHO DE AVALIAÇÃO
XVI COBREAP - CONGRESSO BRASILEIRO DE ENGENHARIA DE AVALIAÇÕES E PERÍCIAS - IBAPE/AM 2011 NATUREZA DO TRABALHO: TRABALHO DE AVALIAÇÃO Resumo: A abordagem proposta no estudo em questão é a utilização da
Leia maisESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA
ESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA Adriano Gonçalves dos Santos Ribeiro 1 Gean Carlo Feliciano de Almeida 1 1 Introdução Uma grande empresa do ramo de exploração de
Leia maisGean Carlo Gomes Jéssica Jabczenski Roslindo. Análise de Sobrevivência como ferramenta auxiliar na originação e manutenção do ciclo de crédito
Gean Carlo Gomes Jéssica Jabczenski Roslindo Análise de Sobrevivência como ferramenta auxiliar na originação e manutenção do ciclo de crédito Curitiba PR 2008 Gean Carlo Gomes Jéssica Jabczenski Roslindo
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisUNIVERSIDADE ESTADUAL DE GOIÁS Unidade Universitária de Ciências Exatas e Tecnológicas Curso de Licenciatura em Matemática
1 UNIVERSIDADE ESTADUAL DE GOIÁS Unidade Universitária de Ciências Exatas e Tecnológicas Curso de Licenciatura em Matemática Modelo Weibull Aplicado a Análise de Confiabilidade Marcílio Ramos Pereira Cardial
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisAnálise de Sobrevivência. Modelos Probabilísticos. Análise de Sobrevivência Roteiro Geral. Roteiro do Módulo
Roteiro Geral Análise de Sobrevivência 1. Conceitos básicos 2. Técnicas não-paramétricas 3. Modelos probabilísticos 4. Modelos de regressão paramétricos 5. Modelo de regressão de Cox 6. Extensões do modelo
Leia maisTESTES NÃO PARAMÉTRICOS (para mediana/média)
MAE212: Introdução à Probabilidade e à Estatística II - Profas. Beti e Chang (2012) 1 TESTES NÃO PARAMÉTRICOS (para mediana/média) Os métodos de estimação e testes de hipóteses estudados até agora nessa
Leia maisEstatística Aplicada
Estatística Aplicada Intervalos de Confiança Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada INTERVALOS DE CONFIANÇA Processos de estimação Estimação por ponto: o processo em
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisAnálise de sobrevivência aplicada a pacientes HIV positivos
Análise de sobrevivência aplicada a pacientes HIV positivos Orientadora: Professora PhD Silva Shimakura Universidade Federal do Paraná Novembro de 2014 Sumário Resultados Conclusão Sumário Dados: Amostra
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia maisEstimadores, pontual e intervalar, para dados com censuras intervalar
Estimadores, pontual e intervalar, para dados com censuras intervalar Débora Ohara, Estela Maris Pereira Bereta, Teresa Cristina Martins Dias Resumo Dados com censura intervalar ocorrem com frequência
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisPrincípios de Bioestatística
Princípios de Bioestatística Medidas de efeito: Risco Relativo e Razão de Chances Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 1 / 19 2 / 19 Medidas de Efeito
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisExemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média
Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média µ = 505g e desvio padrão σ = 9g. a) Selecionado ao acaso um pacote embalado
Leia maisUM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA. Eduardo Yoshio Nakano 1
1 UM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA Eduardo Yoshio Nakano 1 1 Professor do Departamento de Estatística da Universidade de Brasília, UnB. RESUMO. Em estudos médicos, o comportamento
Leia maisMEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana
MEEMF-2010 Aula 01 Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana O que é inferência estatística? Inferência estatística é o importante ramo da Estatística
Leia maist i R(t) N(t) Ŝ KM (t) = R(t i ) N(t i ) R(t i ) (15 3) 15 (12 2) 12 (10 1) 10 (9 3) 9 (6 2) 6 (4 2) 4 (2 1) 2 (1 1)
4 Estimação não-paramétrica Exercícios Exercício 4.1: Retorne aos dados de aleitamento do exercício 2.1. Construa, à mão, a tabela Kaplan-Meier e a curva Kaplan-Meier correspondente aos dados: t i R(t)
Leia maisBOOTSTRAP. - APLICAÇÃO DO MB: podem ser aplicados quando existe, ou não, um modelo probabilístico bem definido para os dados.
OOTSTRAP INTRODUÇÃO - IDEIA ÁSICA: reamostrar de um conjunto de dados, diretamente ou via um modelo ajustado, a fim de criar replicas dos dados, a partir das quais podemos avaliar a variabilidade de quantidades
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
MEDIDAS DE TENDÊNCIA CENTRAL Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Média aritmética INTRODUÇÃO A concentração de dados em torno de um valor pode ser usada para representar todos
Leia maisAnálise de Dados Categóricos Tabelas 2 2
1/49 Análise de Dados Categóricos Tabelas 2 2 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2/49 Tabela 2 2: Exemplo Exemplo: Fischl et al. (1987) publicaram o primeiro relato de um ensaio clínico
Leia maisModelo de Regressão de Cox
MAE 514 - à Análise de Sobrevivência e Aplicações O modelo de Cox com taxas de falhas proporcionais MAE 514 - à Análise de Sobrevivência e Aplicações IME-USP MAE 514 - à Análise de Sobrevivência e Aplicações
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS. Confiabilidade Lista 4. Professor: Enrico Colosimo Aluno: Augusto Filho Belo Horizonte - MG
UNIVERSIDADE FEDERAL DE MINAS GERAIS ESPECIALIZAÇÃO EM ESTATÍSTICA Confiabilidade Lista 4 Professor: Enrico Colosimo Belo Horizonte - MG 2 Exercício 1. Os dados abaixo foram apresentados por Nelson & Schmee
Leia maisInferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
Leia maisCap 2 O tempo. Programa. 1 Cap 2 O tempo. Carvalho MS (2009) Sobrevida 1 / 26
Programa 1 Carvalho MS (2009) Sobrevida 1 / 26 O Tempo Tempo até... óbito transplante doença cura Carvalho MS (2009) Sobrevida 2 / 26 O Tempo Tempo até... óbito transplante doença cura Carvalho MS (2009)
Leia maisAnálise de Sobrevida. Silvia Emiko Shimakura Marilia Sá Carvalho Valeska Andreozzi. Análise de Sobrevida p. 1
Análise de Sobrevida Silvia Emiko Shimakura Marilia Sá Carvalho Valeska Andreozzi Análise de Sobrevida p. 1 Bibliografia Kleinbaum, D. & Klein, M. Survival analysis: a self-learning text. Springer, 1997.
Leia maisAjuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisPROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Leia maisUniversidade de Brasília IE Departamento de Estatística. Análise de Diagnóstico para o Modelo de Regressão de Cox. Camila Farage de Gouveia
Universidade de Brasília IE Departamento de Estatística Análise de Diagnóstico para o Modelo de Regressão de Cox Camila Farage de Gouveia Orientadora: Prof.ª Dra. Juliana Betini Fachini Brasília, 2013.
Leia maisAnálise do tempo até o alivio da dor em pacientes com dor lombar crônica via modelo de riscos proporcionais de Cox
Universidade de Brasília Instituto de Ciências Exatas Departamento de Estatística Análise do tempo até o alivio da dor em pacientes com dor lombar crônica via modelo de riscos proporcionais de Cox Jéssica
Leia maisDistribuições Amostrais
Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde. Caderno de Respostas Capítulo 4 Estimação não-paramétrica
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde Caderno de Respostas Capítulo 4 Estimação não-paramétrica Exercício 4.1: Considere os dados de tempo de aleitamento de 15 crianças, descrito no exercício
Leia maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia maisVERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Leia maisFigura 3.1 Esquema do Processo Bootstrap Fonte: Adaptado de SOUZA (1997)
O é uma técnica estatística não paramétrica computacionalmente intensiva de reamostragem, introduzida por EFRON (1979), e tem como finalidade obter informações de características da distribuição de alguma
Leia maisANÁLISE DE SOBREVIVÊNCIA (MÓDULO II)
Universidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Estatística Aplicada ANÁLISE DE SOBREVIVÊNCIA (MÓDULO II) Franciely Farias da Cunha (201007840014), aluna do
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia mais4.1 Conceitos Básicos em Reamostragem
4 Reamostragem O tipo de estatística não-paramétrica que foi ensinado no passado desempenhou um importante papel na análise de dados que não são contínuos e, portanto, não podem empregar a distribuição
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Aula Valor esperado como solução do problema do menor erro quadrático médio e Quantis 03/14 1 / 15 Valor esperado como solução
Leia maisANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde. Caderno de Respostas Capítulo 3 Funções Básicas de sobrevivência
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saú Carno Respostas Capítulo 3 Funções Básicas sobrevivência Capitulo 3 - Funções básicas sobrevivência Exercício 3.1: A figura abaixo mostra uma curva sobrevivência.
Leia maisANÁLISE DE SOBREVIVÊNCIA
ANÁLISE DE SOBREVIVÊNCIA M Eduarda D. S. Matos Coimbra, 9 de Abril de O que é a análise de sobrevivência? A análise de sobrevivência é um conjunto de processos estatísticos, utilizados na análise dos dados,
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em
Leia maisEstimação de valores. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar
Leia maisINFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE
INFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE A análise de deviance é uma generalização, para modelos lineares generalizados, da análise de variância. No caso de modelos lineares, utiliza-se
Leia maisAula 8 : Estimação de parâmetros
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG C 18 Métodos de Pesquisa Quantitativos e Qualitativos Aula 8 : Estimação de parâmetros DOCENTE:CIRA SOUZA
Leia maisTrabalho 1. Gustavo Mello Reis Página 1
Trabalho Gustavo Mello Reis Página . Estudo de caso a) Uma empresa fabricante de automóveis estava tendo problemas com os vidros dos carros, estes estavam vindo com arranhões. Em busca de obter melhor
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Explicar os conceitos gerais de estimação de
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Julgue os itens que se seguem, acerca da estatística descritiva. 51 Na distribuição da quantidade de horas trabalhadas por empregados de certa empresa, é sempre possível determinar
Leia mais9DOXHDW5LVNHUHWRUQRGHXPLQYHVWLPHQWR
9DOXHDWLVNHUHWRUQRGHXPLQYHVWLPHQWR O Value at Risk (VaR) é um método de mensuração de risco de mercado que utiliza técnicas estatísticas amplamente difundidas. De outra forma o VaR mede a pior perda esperada
Leia mais(a) 0,90 (b) 0,67 (c) 1,0 (d) 0,005
359$'((67$7Ë67,&$6(/(d 0(675$'80*,QVWUXo}HVSDUDDSURYD D&DGDTXHVWmRUHVSRQGLGDFRUUHWDPHQWHYDOHSRQWR E4XHVW}HV GHL[DGDV HP EUDQFR YDOHP ]HUR SRQWRV QHVVH FDVR PDUTXH WRGDV DV DOWHUQDWLYDV F &DGDTXHVWmRUHVSRQGLGDLQFRUUHWDPHQWHYDOHSRQWR
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1/43 Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Modelo de Cox Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisLista Estimação Pontual Estatística Aplicada à Engenharia de Produção Prof. Michel H. Montoril
Exercício 1. (Kokoska, 2013) Estudos indicam que residências canadenses desperdiçam, aproximadamente, de 389 a 513 quilowatts-hora de eletricidade por ano. Esse desperdício é causado por aparelhos eletrônicos
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisUNIVERSIDADE DE BRASÍLIA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE MESTRADO EM ESTATÍSTICA
UNIVERSIDADE DE BRASÍLIA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE MESTRADO EM ESTATÍSTICA Modelo Weibull discreto com fração de cura e excessos de zeros: uma aplicação sobre
Leia maisGabarito da Lista 2 de Análise de Sobrevivência
Gabarito da Lista 2 de Análise de Sobrevivência Monitor: Sérgio Felipe Prof a.: Marina Silva As questões são do livro: Análise de Sobrevivência Aplicada. Autores: Enrico A. Colosimo & Suely R. Giolo Editora:
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisMais Aplicações sobre cálculo de probabilidades
Mais Aplicações sobre cálculo de probabilidades Prof. Hemílio Fernandes Campos Coêlho Departamento de Estatística - Universidade Federal da Paraíba - UFPB Noções de Epidemiologia Em algumas aplicações
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Pertencem ao grupo de ferramentas estatísticas que permitem caracterizar um conjunto de dados sob ponto de vista da tendência
Leia maisHipóteses do modelo linear clássico (CLM) Análise da Regressão múltipla: Inferência. Hipóteses do CLM (cont.) O teste t. Distribuição normal amostral
9/03/0 Hipótes do modelo linear clássico (CLM) Análi da Regressão múltipla: Inferência Sabemos que, dadas as hipótes de Gauss- Markov, MQO é BLUE Para realizarmos os testes de hipótes clássicos, precisamos
Leia mais