Examinando por Materia "Assumption Validation"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Efecto de la censura en modelos de regresión Weibull y regresión de Cox
    (Universidad de Córdoba, 2025-06-27) Yepes Ibarguen, Kevin Alejandro; Ramirez Montoya, Javier; Rocha de Medeiros, Rodrigo Matheus; Tovar-Falón, Roger; Martínez Flórez, Guillermo
    El análisis de supervivencia constituye una herramienta estadística esencial en estudios donde el tiempo hasta la ocurrencia de un evento resulta de interés. Este tipo de análisis se caracteriza por la presencia frecuente de datos censurados, lo que exige la aplicación de métodos especializados que permitan una estimación precisa y robusta de los parámetros del modelo. En este contexto, los modelos de regresión de Cox y Weibull se han consolidado como enfoques ampliamente utilizados. El modelo de Cox, de naturaleza semiparamétrica, no asume una forma específica para la función de riesgo, mientras que el modelo de Weibull, de carácter paramétrico, impone una estructura determinada para dicha función, permitiendo interpretar el comportamiento del riesgo a lo largo del tiempo. El presente trabajo tuvo como objetivo comparar el desempeño de estos dos modelos bajo diferentes combinaciones de tamaño de muestra y porcentaje de censura, mediante un diseño de simulación estadística. La simulación consideró escenarios con tamaños muestrales entre 20 y 1000 observaciones, y niveles de censura del 0%, 15%, 30% y 60%, evaluando métricas como el error cuadrático medio (ECM) y el sesgo de estimación del coeficiente de riesgo. Los resultados mostraron que el modelo de Cox presenta un mejor desempeño en condiciones de censura elevada y tamaños de muestra pequeños o moderados, mientras que el modelo de Weibull mejora su rendimiento conforme aumenta el tamaño de la muestra, aunque mantiene cierta sensibilidad frente a la pérdida de información por censura. El presente trabajo tuvo como objetivo comparar el desempeño de estos dos modelos bajo diferentes combinaciones de tamaño de muestra y porcentaje de censura, mediante un diseño de simulación estadística. La simulación consideró escenarios con tamaños muestrales entre 20 y 1000 observaciones, y niveles de censura del 0%, 15%, 30% y 60%, evaluando métricas como el error cuadrático medio (ECM) y el sesgo de estimación del coeficiente de riesgo. Los resultados mostraron que el modelo de Cox presenta un mejor desempeño en condiciones de censura elevada y tamaños de muestra pequeños o moderados, mientras que el modelo de Weibull mejora su rendimiento conforme aumenta el tamaño de la muestra, aunque mantiene cierta sensibilidad frente a la pérdida de información por censura.