Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Federal Technological University of Paraná | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Achcar, Jorge Alberto | - |
Autor(es): dc.creator | Souza, Roberto Molina de | - |
Autor(es): dc.creator | Bussola, Daiane | - |
Autor(es): dc.creator | Moala, Fernando A. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:50:17Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:50:17Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1590/0101-7438.2022.042.00254533 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/240406 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/240406 | - |
Descrição: dc.description | In this paper we explore a Bayesian approach for stable distributions in presence of covari-ates. This class of distribution has great flexibility for fitting asymmetric and heavy-tailed empirical data. These models are commonly used for data sets in finance and insurance. In this paper we show that these distributions can also be used to fit clinical data. Since there is not an analytical form for the density probability function which implies in serious difficulties to obtain the maximum likelihood estimators for the parameters, we use Bayesian methods with data augmentation techniques to get the inferences of interest. In this study we also discuss the choice of different prior distributions for the parameters considering regression models for the location and scale parameters of the stable distribution. We use MCMC (Markov Chain Monte Carlo) algorithms to generate samples from the posterior distributions in order to evaluate the point and interval estimators. A great simplification is obtained using the OpenBugs software. Two real data examples illustrate the applicability of the proposed modeling approach. | - |
Descrição: dc.description | University of São Paulo Department of Public Health, Av. Bandeirantes, 3900, Monte Alegre,SP | - |
Descrição: dc.description | Federal Technological University of Paraná Department of Mathematics, Av. Alberto Carazzai, 1640, Centro,PR | - |
Descrição: dc.description | São Paulo State University Department of Statistics, R. Roberto Símonsen, 305, Centro Educacional,SP | - |
Descrição: dc.description | São Paulo State University Department of Statistics, R. Roberto Símonsen, 305, Centro Educacional,SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Pesquisa Operacional | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Bayesian approach | - |
Palavras-chave: dc.subject | MCMC methods | - |
Palavras-chave: dc.subject | prior distributions | - |
Palavras-chave: dc.subject | regression models | - |
Palavras-chave: dc.subject | table distributions | - |
Título: dc.title | BAYESIAN ESTIMATION FOR THE STABLE DISTRIBUTIONS IN THE PRESENCE OF COVARIATES WITH APPLICATIONS IN CLINICAL ISSUES | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: