Se encontraron 2 investigaciones en el año 2016
En este proyecto de investigación estaremos interesados en extender el análisis de regresión para variables limitadas a datos medidos no sólo en un instante particular sino que se realicen en el tiempo o presenten alguna dependencia por conglomeración. Buscaremos también aplicar estos modelos a distintas situaciones reales como por ejemplo a un estudio sobre conocimiento de Tuberculosis (TB) y preparación para un estudio de vacunas (Shu, et.al. 2013) desarrollado en Lima. En este estudio el interés radica en analizar los factores que influyen en la proporción de respuestas correctas sobre conocimiento de TB de los familiares, lo cual presenta un efecto de conglomeración al tener las familias un entorno común. Otra vertiente de la aplicación de los modelos de regresión se centrará en el análisis de datos de supervivencia en tiempo discreto con fracción de cura, última que es una proporción. Modelos de este tipo, pero en tiempo continuo, han sido extensamente estudiados por diversos autores pero existe una muy limitada información sobre su contraparte discreta. En efecto, solo Prentice and Kalbeisch [2003], han extensamente utilizado el modelo discreto pero sin fracción de cura y Zhao et.al (2008) incorporaron recientemente esta fracción al modelo discreto. En este proyecto pretendemos culminar el análisis de un nuevo modelo de sobrevivencia con fracción de cura para datos discretos propuesto por (Valdivieso, Sal y Rosas y Bayes, 2015) en el marco del proyecto DGI0072 buscando proponer además una aplicación para determinar los factores asociados a la deserción de estudiantes de nuestra Universidad. Este mismo problema puede extenderse luego en varias direcciones como el de la consideración de riesgos competitivos y del modelamiento conjunto para el tiempo a deserción y el desarrollo longitudinal de los factores. Para este último problema existen también varias propuestas en tiempo continuo, pero muy poca bibliografía y desarrollos para el caso discreto.
Participantes:
Instituciones participantes:
En este proyecto de investigación estaremos interesados en extender el análisis de regresión para variables limitadas a datos medidos no sólo en un instante particular sino que se realicen en el tiempo o presenten alguna dependencia por conglomeración. Buscaremos también aplicar estos modelos a distintas situaciones reales como por ejemplo a un estudio sobre conocimiento de Tuberculosis (TB) y preparación para un estudio de vacunas (Shu, et.al. 2013) desarrollado en Lima. En este estudio el interés radica en analizar los factores que influyen en la proporción de respuestas correctas sobre conocimiento de TB de los familiares, lo cual presenta un efecto de conglomeración al tener las familias un entorno común. Otra vertiente de la aplicación de los modelos de regresión se centrará en el análisis de datos de supervivencia en tiempo discreto con fracción de cura, última que es una proporción. Modelos de este tipo, pero en tiempo continuo, han sido extensamente estudiados por diversos autores pero existe una muy limitada información sobre su contraparte discreta. En efecto, solo Prentice and Kalbeisch [2003], han extensamente utilizado el modelo discreto pero sin fracción de cura y Zhao et.al (2008) incorporaron recientemente esta fracción al modelo discreto. En este proyecto pretendemos culminar el análisis de un nuevo modelo de sobrevivencia con fracción de cura para datos discretos propuesto por (Valdivieso, Sal y Rosas y Bayes, 2015) en el marco del proyecto DGI0072 buscando proponer además una aplicación para determinar los factores asociados a la deserción de estudiantes de nuestra Universidad. Este mismo problema puede extenderse luego en varias direcciones como el de la consideración de riesgos competitivos y del modelamiento conjunto para el tiempo a deserción y el desarrollo longitudinal de los factores. Para este último problema existen también varias propuestas en tiempo continuo, pero muy poca bibliografía y desarrollos para el caso discreto.
Participantes:
Instituciones participantes: