Modelos de regressão mistos e de mistura para problemas complexos

• Processo: 23/00592-7
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de junho de 2023
• Data de Término da vigência: 31 de maio de 2025
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Mariana Rodrigues Motta
• Beneficiário: Mariana Rodrigues Motta
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Pesquisadores associados: Nancy Lopes Garcia
• Assunto(s): Modelos de regressão Melhoramento genético Distribuição Birnbaum-Saunders
• Palavra(s)-Chave do Pesquisador: classificação não supervisionada | Dados Funcionais | Efeitos Aleatórios | Melhoramento genético | modelos mistos e de mistura | Modelos de regressão

Resumo

Este Projeto tem aplicação em diversos problemas relacionados a modelos de regressão misto e de mistura com aplicações em diferentes áreas. O Projeto é composto por 4 subprojetos, envolvendo os seguintes estudos: (1) incorporação de covariáveis funcionais em modelos de Regressão Semi-Paramétricos para fins de aprendizado não supervisionado e com aplicação em dois conjuntos de dados, um deles associado a um ensaio clínico com pacientes com depressão e outro com informação de estado de saúde de vacas leiteiras, (2) estudar as propriedades dos estimadores dos parâmetros de variância e dos preditores dos efeitos aleatórios no melhoramento de seleção genética a partir de modelos lineares mistos, (3) comparar modelo o misto (condicional) e modelo marginal para dados de contagem multivariados inflacionados em zero, com uma aplicação a um conjunto de dados de consumo alimentar de golfinhos, (4) estudar o modelo misto Bayesiano de Birnbaum-Saunders para a análise de dados aumentados por zero para modelar dados com caudas pesadas e medidas repetidas, com aplicação a um conjunto de dados sobre consumo alimentar habitual. (AU)

Publicações científicas

(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)

GARCIA, NANCY L.; RODRIGUES-MOTTA, MARIANA; MIGON, HELIO S.; PETKOVA, EVA; TARPEY, THADDEUS; OGDEN, R. TODD; GIORDANO, JULIO O.; PEREZ, MARTIN M.. Unsupervised Bayesian classification for models with scalar and functional covariates. JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES C-APPLIED STATISTICS, v. 73, n. 3, p. 24-pg., 2024-02-07. (23/00592-7, 17/15306-9, 19/10800-0, 18/06811-4)