Modélisation conjointe de données longitudinales et de durées de vie

by Jean-François Dupuy

Doctoral thesis in Mathématiques appliquées. Statistique

Sous la direction de Mounir Mesbah.

Soutenue en 2002

à Paris 5 .


  • Résumé

    Le modèle de régression de Cox est l'un des plus utilisés pour l' analyse statistique des durées de vie. Cependant, l'inférence statistique pour ce modèle, basée sur la vraisemblance partielle de Cox, se heurte souvent à un problème de valeurs manquantes des covariables. Cette thèse propose une méthode d' estimation des paramètres du modèle de Cox en cas de valeurs manquantes d'une covariable dépendant du temps, et établit les propriétés asymptotiques des estimateurs obtenus. La méthode proposée consiste à modéliser conjointement les durées censurées et le processus de covariable, pour en déduire une vraisemblance permettant d'estimer les paramètres du modèle de Cox au vu des données incomplètes. . .


  • Résumé

    The Cox regression model is widely used for the statistical analysis of lifetime data. However, the statistical inference for this model,based on the partial likehood, often faces problem of missing covariate values. This thesis propose an estimation method for the Cox model with missing values of a time-dependent covariate, and establishes asymptotic properties of the estimators obtained by this method. . .

Consulter library

La version de soutenance existe sous forme papier

Informations

  • Détails : 159 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr.

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris Descartes-Bibliothèque Saints-Pères Sciences (Paris). Service commun de la documentation. Bibliothèque Saints-Pères Sciences.
  • Disponible pour le PEB
  • Cote : 2002PA05S011
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.