Busca realizar predicciones y ajustes de datos longitudinales y de supervivencia usando modelos jerárquicos dinámicos. Modelos para datos longitudinales y tiempo hasta ocurrir un evento de interés son propuestos en el contexto de modelaje conjunta. Estructuras de regresión diferentes para los datos longitudinales son presentadas con evolución basada en modelo linear dinámico jerárquico generalizado. La función de riesgo asume forma paramétrica y semiparamétrica. El procedimiento de inferencia es desenvuelto usando abordaje bayesiano. Cuatro conjuntos de datos son usados para ilustrar las metodologías propuestas.

Realiza predicciones y ajustes de información actuarial. Este trabajo propone usar los modelos multiniveles robustos para modelar datos del área de actuaria; en particular, ajustar el riesgo colectivo. El abordaje utilizado fue realizado usando el paradigma de Bayes. De este modo, los estimadores del valor de la prima de seguros son calculados en situaciones de super dispersión y con información atípica. Se evalúa la capacidad predictiva del modelo vía uso de resultados de la teoría de decisión estadística.

Objetivo: Identificar los artículos más citados y los autores más productivos de la Revista Médica Herediana (RMH). Material y métodos: Estudio bibliométrico descriptivo. Se recuperaron los artículos de la RMH y se seleccionaron los trabajos que recibieron al menos una cita en el período 2009 – 2013 mediante Google Scholar. Resultados: Se comparó el impacto de la RMH con otras revistas publicadas por la Universidad Peruana Cayetano Heredia (UPCH); se analizaron 710 documentos, permitiendo identificar 176 artículos con al menos una cita recibida en Google Scholar. Conclusiones: Se identificó 15 (8,5%) artículos que recibieron 10 o más citaciones y el artículo más citado obtiene 36 citas. Dos (3,5%) investigadores concentran la mayor cantidad de colaboraciones de esta publicación en este período de análisis.