Properties and Inference for Proportional Hazard Models

• GUILLERMO MARTÍNEZ-FLÓREZ ^[1] ; GERMÁN MORENO-ARENAS ^[2] ; SANDRA VERGARA-CARDOZO ^[3]
  1. [1] Universidad de Córdoba

     Universidad de Córdoba

     Cordoba, España

     
  2. [2] Universidad Industrial de Santander

     Universidad Industrial de Santander

     Colombia

     
  3. [3] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     

  Mostrar afiliaciones +
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 36, Nº. 1, 2013, págs. 95-114
• Idioma: inglés
• Títulos paralelos:
  • Propiedades e inferencia para modelos de Hazard proporcional
• Enlaces
  • Texto completo
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    Consideramos una función de distribución continua arbitraria F(x) con función de densidad de probabilidad f(x)=dF(x)/dx y función de riesgo h f(x)=f(x)/[1-F (x)]. En este artículo proponemos una nueva familia de distribuciones cuya función de riesgo es proporcional a la función de riesgo h f(x). El modelo propuesto puede ajustar datos con alta asimetría o curtosis fuera del rango de cobertura permitido por la distribución normal, t-Student, logística, entre otras. Estimamos los parámetros del modelo usando máxima verosimilitud, verosimilitud perfilada y el método elemental de percentiles. Calculamos las matrices de información esperada y observada. Consideramos test de verosimilitudes para algunas hipótesis de interés en el modelo con función de riesgo proporcional a la distribución normal. Presentamos una aplicación con datos reales que ilustra que el modelo propuesto es adecuado.

  • English

    We consider an arbitrary continuous cumulative distribution function F(x) with a probability density function f(x) = dF(x)/dx and hazard function h f(x)=f(x)/[1-F(x)]. We propose a new family of distributions, the so-called proportional hazard distribution-function, whose hazard function is proportional to h f(x). The new model can fit data with high asymmetry or kurtosis outside the range covered by the normal, t-student and logistic distributions, among others. We estimate the parameters by maximum likelihood, profile likelihood and the elemental percentile method. The observed and expected information matrices are determined and likelihood tests for some hypotheses of interest are also considered in the proportional hazard normal distribution. We show an application to real data, which illustrates the adequacy of the proposed model.