Resumo:
A análise de sobrevivência é utilizada em diversas áreas do conhecimento, e fundamenta-se em técnicas estatísticas que estuda dados de tempo de vida de um indivíduo. É importante que o banco de dados reúna condições necessárias pra que a análise de sobrevivência possa ser realizada e assim poder fazer estimativas cabíveis da função de sobrevivência e de risco. Este trabalho tem como objetivo utilizar conceitos do modelo semi-paramétrico de sobrevivência, em especial o modelo de Cox, para modelar o tempo de vida medido em quilômetros rodados do pneu 11.00R22. O Modelo de Cox estima a função de risco e muitas vezes é interessante estimar o efeito das covariáveis. Desta forma, Cox propôs o modelo semi-paramétrico de riscos proporcionais, que permite a análise de dados resultantes de estudos do tempo de vida, onde a variável resposta é o tempo de ocorrência de um evento de interesse ajustado por covariáveis. O estudo foi realizado com caminhões que utilizaram pneus 11.00R22, e o tempo em quilômetros rodados foi calculado através de um computador de bordo. Os dados são constituídos de um total de 552 pneus, os quais apresentaram diferença entre os três tipos de tempo de vida. Na execução deste trabalho, aplicou-se os métodos não paramétricos de Kaplan-Meier para os três grupos de vida, e o teste log-rank para verificar a existência de diferença significativa entre as curvas de sobrevivência, e em sequência, aplicamos o modelo de Cox para constatar os pressupostos de proporcionalidade. Na aplicação dos métodos foi utilizado o software R por meio do pacote survival. Os resultados encontrados para modelagem do tempo de vida dos pneus 11.00R22 indicam que o modelo de Cox estratificado é o mais adequado para modelar os dados, uma vez que foram encontradas evidências de violação da suposição de proporcionalidade.
Descrição:
SILVA, D. P. da. Introdução ao modelo de Cox com aplicação a dados de pneus 11.00R22. 2016. 38f. Trabalho de Conclusão de Curso (Graduação em Estatística)- Universidade Estadual da Paraíba, Campina Grande, 2016.