Inference for the parameter of poli-log-logistic model

Authors

  • Cleber Giugioli Carrasco UFSCAR
  • Francisco Louzada-Neto UFSCAR

DOI:

https://doi.org/10.4025/actascitechnol.v23i0.2791

Keywords:

análise de sobrevivência e confiabilidade, estimação de máxima verossimilhança, função de risco, modelo poli-log-logí­stico, riscos competitivos latentes, técnica bootstrap

Abstract

The Poly-log-logistic model arises in competing risk scenarios when risks have an independent log-logistic distribution and the cause of failure or death of individual remains unknown, especially if the hazard function is multimodal. The bootstrap technique is used as a simulation procedure to verify empirically the validity of the usual inference model. It is an alternative inference method since usual procedures may not be valid. The construction of appropriate confidence intervals is undertaken in the presence of censored data

Downloads

Download data is not yet available.

Author Biography

Francisco Louzada-Neto, UFSCAR

Possui graduação em Bacharelado em Estatistica pela Universidade Federal de São Carlos (1988), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (1991) e doutorado em Estatí­stica pela Universidade de Oxford (1998). Atualmente é: professor adjunto da Universidade Federal de São Carlos, coordenador da pós-graduação em estatí­stica da UFSCar e do Centro de Estudos do Risco (CER), editor do Relatório Técnico do DEs UFSCar, da Revista brasileira de estatí­stica e do Projeto Fisher. Tem experiência na área de Estatí­stica, com ênfase em Análise de Sobrevivência e Confiabilidade, atuando principalmente nos seguintes temas: bayesian analysis, inferencia bayesiana, accelerated lifetime tests, weibull model e modelos de risco Currí­culo Lattes

Published

2008-05-05

How to Cite

Carrasco, C. G., & Louzada-Neto, F. (2008). Inference for the parameter of poli-log-logistic model. Acta Scientiarum. Technology, 23, 1519–1522. https://doi.org/10.4025/actascitechnol.v23i0.2791

Issue

Section

Statistics

 

0.8
2019CiteScore
 
 
36th percentile
Powered by  Scopus

 

 

0.8
2019CiteScore
 
 
36th percentile
Powered by  Scopus