PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ

Conferencia

“Análisis de regresión bayesiana para datos con covariables de efectos aleatorios provenientes de mediciones longitudinales”

Expositor: Dr. Rolando de la Cruz

Profesor de la Pontificia Universidad Católica de Chile.

Organiza: Maestría en Estadística. Grupo de Modelos Matemáticos y Estadísticos para la Evaluación.

Día        :    Jueves 18 de Febrero

Hora      :    7:00 pm.

Lugar    :    N -413 (Edificio McGregor)

Ingreso libre. Inscripción previa para acceso al campus.

Resumen

Los modelos conjuntos para una amplia clase de variables de respuesta y de mediciones longitudinales consisten en un modelo de efectos mixtos para ajustar las trayectorias longitudinales cuyos efectos aleatorios entran como covariables de un modelo lineal generalizado para la respuesta primaria.  Estos proporcionan una forma útil de estudiar la asociación entre estos dos tipos de datos, los cuales en estudios clínicos son a menudo tomados  de forma conjunta para un grupo de individuos y ayudan a comprender, por ejemplo, los mecanismos de recuperación de una cierta enfermedad o la eficacia de una terapia dada. Cuando un modelo no lineal de efectos mixtos es usado  para ajustar las trayectorias longitudinales, las estrategias de estimación existentes basados ​​en aproximaciones de la función de verosimilitud exhiben algunos problemas de eficiencia computacional (De la Cruz et al., 2011). En este artículo se considera un procedimiento de estimación bayesiana para el modelo conjunto con un modelo de efectos mixtos no lineal para datos longitudinales y un modelo lineal generalizado para la respuesta primaria. La estructura de la distribución a priori permite la implementación de un algoritmo MCMC. Más aún, se considera que los errores en el modelo longitudinal podrían estar correlacionados. Aplicaremos nuestro método al análisis de los niveles hormonales medidos en las primeras etapas del embarazo, los cuales serán utilizados para predecir situaciones de embarazo normal o anormal. Llevaremos también a cabo un estudio de simulación para evaluar la importancia del modelamiento de las correlaciones entre los errores y cuantificaremos las consecuencias de especificar inadecuadamente el modelo.

Este es un trabajo conjunto con: Cristian Meza (UV, Chile), Ana Arribas-Gil (UC3M, España) y Raymond J. Carroll (TAMU, EE.UU.).

Mayor información

Elizabeth Paredes

Secretaría de la Maestría en Estadística

Teléfono: 626-2000 anexo 5143

e-mail: m_estadistica@pucp.edu.pe ó paredes.elizabeth@pucp.edu.pe