Descripción: |
En este trabajo profundizamos en el campo
de la estimación de la supervivencia en
doble censura con datos incompletos, Suponemos
que la censura es no informativa
y que la variable de censura a la derecha es
parcialmente observable. Después de un
capítulo introductorio, presentamos un
método para la estimación paramétrica de
distribuciones de supervivencia que verifica
propiedades asintóticas similares a las
del estimador de máxima verosimilitud. Como
ilustración, consideramos un estudio
sobre la fiabilidad de un sistema de gestión
de bases de datos. En el tercer capítulo
proponemos como estimador semiparamétrico
de la función de supervivencia a la
esperanza de cierta función
de supervivencia
pseudo-empírica condicionada a los
datos observados y al modelo paramétrico supuesto.
En el cuarto y último capítulo
construimos un estimador de la función de
supervivencia supuesto el modelo generalizado
de Koziol-Green y que existe un
conocimiento a priori dado por un proceso
de Dirichlet sobre el vector completo
de variables observables.
Demostramos algunas propiedades asintóticas
de los estimadores propuestos,
como su consistencia y la convergencia débil
a procesos Gaussianos, y analizamos el
efecto de la proporción de datos desconocidos. Mediante
simulación, estudiamos la
eficiencia de los estimadores propuestos y
comprobamos que presentan en general
un mejor comportamiento que el estimador
autoconsistente. |