Abstracto

Estimación bayesiana en modelos de fragilidad binomial negativa compuesta compartida

David D Hanagal* y Asmita T Kamble

Los modelos de fragilidad se utilizan en el análisis de supervivencia para modelar la heterogeneidad no observada. Para estudiar dicha heterogeneidad mediante la inclusión de un término aleatorio llamado fragilidad, se supone que se multiplican los riesgos de todos los sujetos en la fragilidad compartida. En este artículo, estudiamos la distribución binomial negativa compuesta como distribución de fragilidad y dos distribuciones de referencia diferentes, a saber, la distribución de tasa de fracaso lineal y de Pareto. Se realiza un estudio de simulación para comparar los valores reales de los parámetros con el valor estimado. Desarrollamos el procedimiento de estimación bayesiana utilizando la técnica de Monte Carlo de cadena de Markov (MCMC) para estimar los parámetros de los modelos propuestos. Intentamos ajustar los modelos propuestos a un conjunto de datos de supervivencia bivariados de la vida real de McGrilchrist y Aisbett relacionados con la infección renal. Además, presentamos un estudio comparativo para los mismos datos utilizando el criterio de selección de modelos y sugerimos un modelo mejor.