Modelos não lineares para respostas censuradas múltiplas usando distribuições de caudas pesadas

Resumo

Este projeto apresentará uma nova abordagem para estimação e análise de diagnóstico em modelos não lineares de efeitos mistos com respostas múltiplas censuradas, usando as distribuições de misturas de escala normal sob a perspectiva frequentista e Bayesiana. No contexto de modelos lineares e não-lineares de efeitos mistos para respostas múltiplas censuradas, os efeitos aleatórios e os erros usualmente seguem uma distribuição normal, principalmente por conveniência matemática. No entanto, estas suposições vêm sendo criticada na literatura, devido a sua sensibilidade a desvios da suposição de normalidade Wang et al. (2015). Neste projeto, assumiremos que os efeitos aleatórios e erros seguem conjuntamente uma distribuição multivariada de misturas de escala normal. As distribuições t-Student, slash, normal contaminada, entre outras, estão contidas nesta classe de distribuições e oferecem alternativas interessantes para o modelo gaussiano, as quais produzem estimativas robustas a observações discrepantes. Vamos propor um procedimento exato para obter as estimativas de máxima verossimilhança dos parâmetros desse complexo modelo, usando uma aproximação estocástica do tradicional algoritmo EM proposto por Dempster et al. (1977), chamado SAEM (Delyon et al., 1999). O principal objetivo será estender o trabalho de Lachos et al. (2011), Matos et al. (2015), Wang et al. (2015) e Matos et al. (2016). (AU)