Resumen del trabajo fin de master



Título: Propuesta de selectores de ventana bootstrap en estimación presuavizada con datos censurados y truncados
Universidad que ofrece el proyecto: Universidade de Vigo
Director/a:
Iglesias Pérez, María del Carmen;  Jácome Pumar, Amalia
Resumen:
Los estimadores presuavizados son una buena alternativa a los estimadores clásicos cuando hay un elevado porcentaje de censura, ya que aumentan la eficiencia si se elige adecuadamente el parámetro ventana en la presuavización. El paquete survPresmooth (López-de-Ullibarri y Jácome 2013) para R (R Core Team 2019) implementa estimadores presuavizados no paramétricos de las principales funciones estudiadas en el análisis de supervivencia (supervivencia, densidad, riesgo y función de riesgo acumulada), incluidos los métodos plug-in y bootstrap para la selección de la ventana. Esta metodología se adaptó parcialmente al contexto de datos censurados y truncados para las funciones de supervivencia y densidad en Jácome e Iglesias-Pérez (2008, 2010). El objetivo de este trabajo es proponer un selector bootstrap de la ventana para estos estimadores bajo censura y truncamiento y complementar con esta metodología el paquete survPresmooth. Referencias: - Jácome, M. A. and Iglesias-Pérez, M. C. (2008). Presmoothed Estimation with Left-Truncated and Right-Censored Data. Communications in Statistics-Theory and Methods,37:18,2964- 2983 http://dx.doi.org/10.1080/03610920802065057 - Jácome, M.A. and Iglesias-Pérez, M.C. (2010). Presmoothed estimation of the density function with truncated and censored data, Statistics, 44:3, 217-234, DOI: 10.1080/02331880903043231 -López-de-Ullibarri, I., Jácome, M.A. (2013). survPresmooth: An R Package for Presmoothed Estimation in Survival Analysis. Journal of Statistical Software, 54(11), 1-26. URL http://www.jstatsoft.org/v54/i11/. -López-de-Ullibarri I, Jácome MA (2013). survPresmooth: Presmoothed Estimation in Survival Analysis. R package version 1.1-10, URL http://cran.r-project.org/package=survPresmooth.
Más información