Avances en la estimación de la supervivencia con datos incompletos y doblemente censurados

Resumen

En este trabajo profundizamos en el campo de la estimación de la supervivencia en doble censura con datos incompletos, Suponemos que la censura es no informativa y que la variable de censura a la derecha es parcialmente observable. Después de un capítulo introductorio, presentamos un método para la estimación paramétrica de distribuciones de supervivencia que verifica propiedades asintóticas similares a las del estimador de máxima verosimilitud. Como ilustración, consideramos un estudio sobre la fiabilidad de un sistema de gestión de bases de datos. En el tercer capítulo proponemos como estimador semiparamétrico de la función de supervivencia a la esperanza de cierta función de supervivencia pseudo-empírica condicionada a los datos observados y al modelo paramétrico supuesto. En el cuarto y último capítulo construimos un estimador de la función de supervivencia supuesto el modelo generalizado de Koziol-Green y que existe un conocimiento a priori dado por un proceso de Dirichlet sobre el vector completo de variables observables. Demostramos algunas propiedades asintóticas de los estimadores propuestos, como su consistencia y la convergencia débil a procesos Gaussianos, y analizamos el efecto de la proporción de datos desconocidos. Mediante simulación, estudiamos la eficiencia de los estimadores propuestos y comprobamos que presentan en general un mejor comportamiento que el estimador autoconsistente.