Abstracto

Modelos de regresión de umbral y de tiempo de primer impacto

Calvin L. Williams* y Chelsea Law

Los modelos de tiempo de primer impacto son una técnica para modelar un proceso estocástico a medida que se acerca o evita un límite, también conocido como umbral. El proceso en sí puede ser inobservable, lo que hace que este sea un problema difícil. Sin embargo, se pueden emplear técnicas de regresión para modelar los datos a medida que se comparan con el umbral, creando una clase de modelos de tiempo de primer impacto llamados modelos de regresión de umbral. Los datos de supervivencia, que miden la cantidad de tiempo antes de que ocurra un evento, se utilizan ampliamente en el modelado de datos médicos y de fabricación. Para analizar y modelar los datos disponibles, un método comúnmente utilizado es el modelo de riesgos proporcionales, pero esto requiere un supuesto de riesgos proporcionales sólido, que a menudo falta en la práctica. En lugar del modelo de riesgos proporcionales, se pueden emplear modelos de tiempo de primer impacto. Los modelos de tiempo de primer impacto no requieren supuestos tan sólidos y se pueden ampliar para convertirse en modelos de regresión de umbral. La regresión de umbral tiene muchas ventajas sobre el modelo de riesgos proporcionales, incluida su flexibilidad tanto en sus supuestos como en su utilización y su aplicación a procesos estocásticos tan a menudo evidentes en la medición de la supervivencia. En este artículo se describe el proceso de modelado de regresión de umbrales y se comparan sus resultados y su utilidad con los del modelo de riesgos proporcionales. Este enfoque se presenta en algunas aplicaciones interesantes.