Abstrakt

Bayesianische Schätzung in gemeinsam zusammengesetzten negativen binomialen Gebrechlichkeitsmodellen

David D. Hanagal* und Asmita T. Kamble

Gebrechlichkeitsmodelle werden in Überlebensanalysen verwendet, um unbeobachtete Heterogenität zu modellieren. Bei der Untersuchung einer solchen Heterogenität wird durch die Einbeziehung eines zufälligen Terms namens Gebrechlichkeit angenommen, dass die Gefahren aller Subjekte in der gemeinsamen Gebrechlichkeit multipliziert werden. In dieser Arbeit untersuchen wir die zusammengesetzte negative Binomialverteilung als Gebrechlichkeitsverteilung und zwei verschiedene Basisverteilungen, nämlich Pareto und lineare Ausfallratenverteilung. Es wird eine Simulationsstudie durchgeführt, um die wahren Werte der Parameter mit den geschätzten Werten zu vergleichen. Wir entwickeln das Bayesianische Schätzverfahren mithilfe der Markov-Chain-Monte-Carlo-Technik (MCMC), um die Parameter der vorgeschlagenen Modelle zu schätzen. Wir versuchen, die vorgeschlagenen Modelle an einen realen bivariaten Überlebensdatensatz von McGrilchrist und Aisbett in Bezug auf Niereninfektionen anzupassen. Außerdem präsentieren wir eine Vergleichsstudie für dieselben Daten anhand von Modellauswahlkriterien und schlagen ein besseres Modell vor.