Florestas aleatórias e árvores de classificação e de regressão na análise de dados censurados

Abstract

A análise de sobrevivência é um importante ramo da Estatística que se preocupa e tem como objetivo estudar o tempo desde um instante inicial bem definido até um determinado evento de interesse. O que caracteriza a análise de sobrevivência e requer métodos específicos para a análise destes dados é a presença de observações incompletas pois tem-se informação acerca do tempo de sobrevivência, mas não conhece o tempo de sobrevivência exato. A aprendizagem automática, é uma área da Estatística que recorre à utilização de algoritmos de última geração para fazer previsões. Esta dissertação tem como objetivo apresentar os métodos de aprendizagem automática para a análise de dados de sobrevivência. Pretende igualmente comparar, através de uma aplicação prática, esta abordagem com a abordagem clássica.

Survival analysis is an important branch of statistics which is concerned with studying the time from a well-defined initial instant to a certain event of interest. What characterizes survival analysis and requires specific methods for the analysis of this data is the presence of incomplete observations, since one has information about the survival time, but does not know the exact survival time. Machine learning is an area of statistics that uses state-of-the-art algorithms to make predictions. This dissertation aims to present machine learning methods for the analysis of survival data. It also aims to compare, through a practical application, this approach with the classical approach.