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.creator | Rodrigues, Erica Castilho | - |
Autor(es): dc.creator | Assunção, R. | - |
Data de aceite: dc.date.accessioned | 2019-11-06T13:33:41Z | - |
Data de disponibilização: dc.date.available | 2019-11-06T13:33:41Z | - |
Data de envio: dc.date.issued | 2015-04-13 | - |
Data de envio: dc.date.issued | 2015-04-13 | - |
Data de envio: dc.date.issued | 2012 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/handle/123456789/5043 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/558097 | - |
Descrição: dc.description | In Bayesian disease mapping, one needs to specify a neighborhood structure to make inference about the underlying geographical relative risks. We propose a model in which the neighborhood structure is part of the parameter space. We retain the Markov property of the typical Bayesian spatial models: given the neighborhood graph, disease rates follow a conditional autoregressive model. However, the neighborhood graph itself is a parameter that also needs to be estimated. We investigate the theoretical properties of our model. In particular, we investigate carefully the prior and posterior covariance matrix induced by this random neighborhood structure, providing interpretation for each element of these matrices. | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | O Periódico Journal of Multivariate Analysis concede permissão para depósito do artigo no Repositório Institucional da UFOP. Número da licença: 3603161455883. | - |
Palavras-chave: dc.subject | Disease mapping | - |
Palavras-chave: dc.subject | Markov random field | - |
Palavras-chave: dc.subject | Spatial hierarchical models | - |
Título: dc.title | Bayesian spatial models with a mixture neighborhood structure. | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: