Abstrait

Estimation bayésienne dans les modèles de fragilité binomiale négative composés partagés

David D. Hanagal* et Asmita T. Kamble

Les modèles de fragilité sont utilisés dans l'analyse de survie pour modéliser l'hétérogénéité non observée. Pour étudier une telle hétérogénéité par l'inclusion d'un terme aléatoire appelé fragilité, on suppose que les risques de tous les sujets dans la fragilité partagée sont multipliés. Nous étudions dans cet article la distribution binomiale négative composée comme distribution de fragilité et deux distributions de base différentes, à savoir la distribution de Pareto et la distribution du taux d'échec linéaire. Une étude de simulation est réalisée pour comparer les valeurs réelles des paramètres avec la valeur estimée. Nous développons la procédure d'estimation bayésienne en utilisant la technique de Monte Carlo par chaîne de Markov (MCMC) pour estimer les paramètres des modèles proposés. Nous essayons d'adapter les modèles proposés à un ensemble de données de survie bivariées réelles de McGrilchrist et Aisbett liées à une infection rénale. Nous présentons également une étude comparative pour les mêmes données en utilisant un critère de sélection de modèle et suggérons un meilleur modèle.