Modelos semi-paramétricos de efeitos mistos com respostas múltiplas censuradas sob a classe de distribuições misturas de escala normal

• Processo: 18/05013-7
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisador Visitante - Internacional
• Data de Início da vigência: 25 de junho de 2018
• Data de Término da vigência: 20 de agosto de 2018
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Larissa Avila Matos
• Beneficiário: Larissa Avila Matos
• Pesquisador visitante: Victor Hugo Lachos Davila
• Instituição do Pesquisador Visitante: University of Connecticut (UCONN), Estados Unidos
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Regressão Dados censurados Intercâmbio de pesquisadores
• Palavra(s)-Chave do Pesquisador: Algoritmo SAEM | Dados censurados | Modelos de Efeitos Mistos | Modelos semi-paramétricos | Regressão

Resumo

A regressão semi-paramétrica refere-se à incorporação flexível de relações funcionais não-lineares em análise de regressão. Qualquer área de aplicação que usa análise de regressão pode se beneficiar da regressão semi-paramétrica. Neste contexto, o objetivo deste projeto é ampliar os modelos de regressão censurados considerando, por um lado, que a variável resposta é linearmente dependente de algumas variáveis, enquanto sua relação com outras variáveis é caracterizada por funções não paramétricas e, por outro lado, os termos aleatórios do modelo de regressão pertencem a uma classe de distribuições simétricas de cauda pesada, capazes de acomodar observações extremas e/ou influentes de uma maneira melhor do que a distribuição normal. (AU)

Publicações científicas

(5)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

VALERIANO, KATHERINE A. L.; LACHOS, VICTOR H.; PRATES, MARCOS O.; MATOS, LARISSA A.. Likelihood-based inference for spatiotemporal data with censored and missing responses. ENVIRONMETRICS, v. 32, n. 3, DEC 2020. (18/05013-7)

MATOS, LARISSA A.; LACHOS, VICTOR H.; LIN, TSUNG-I; CASTRO, LUIS M.. Heavy-tailed longitudinal regression models for censored data: a robust parametric approach. TEST, v. 28, n. 3, p. 844-878, SEP 2019. (15/05385-3, 18/05013-7, 14/02938-9, 11/22063-9)

MATOS, LARISSA A.; CASTRO, LUIS M.; CABRAL, CELSO R. B.; LACHOS, VICTOR H.. Multivariate measurement error models based on Student-t distribution under censored responses. STATISTICS, v. 52, n. 6, p. 1395-1416, 2018. (15/20922-5, 18/05013-7, 15/05385-3, 11/22063-9)

LACHOS, VICTOR H.; MATOS, LARISSA A.; CASTRO, LUIS M.; CHEN, MING-HUI. Flexible longitudinal linear mixed models for multiple censored responses data. STATISTICS IN MEDICINE, v. 38, n. 6, p. 1074-1102, MAR 15 2019. (18/05013-7, 16/05420-6)

LACHOS, VICTOR H.; CABRAL, CELSO R. B.; PRATES, MARCOS O.; DEY, DIPAK K.. Flexible regression modeling for censored data based on mixtures of student-t distributions. Computational Statistics, v. 34, n. 1, p. 123-152, MAR 2019. (15/20922-5, 18/05013-7)