Modelos assimetricos com efeitos aleatorios para dados pre-teste/pos-teste.

• Processo: 05/03377-1
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2006
• Data de Término da vigência: 31 de março de 2007
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística
• Pesquisador responsável: Josémar Rodrigues
• Beneficiário: Olympio Teixeira Neto
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Análise de dados longitudinais Inferência bayesiana
• Palavra(s)-Chave do Pesquisador: Dados Longitudinais | Efeitos Aleatorios | Inferencia Bayesiana | Normal Assimetrica | Pres-Testes/Pos-Teste | Regressao Multipla | Análise de Dados Longitudinais

Resumo

Modelos com efeitos aleatórios tem sido utilizado com sucesso na análise de dados longitudinais. O sucesso do modelo é a possibilidade do efeito aleatório expressar a dependência das respostas ao longo do tempo em uma mesma unidade experimental e a heterogeneidade entre estas unidades ( Laird & Ware, 1982). Os métodos estatísticos para este tipo de modelo exigem a normalidade dos resíduos e dos efeitos aleatórios. Quando a normalidade dos resíduos é violada a solução usual é transformar os dados onde os novos parâmetros perdem a sua interpretação e não correspondem a realidade do problema proposto. Por outro lado, a suposição de normalidade dos efeitos aleatórios pode ser não realística devido a heterogeneidade presente nas unidades experimentais (Genton, cap. 20, p.339, 2004). Neste projeto pretendemos flexibilizar a suposição de normalidade do efeito aleatório sugerindo dois modelos alternativos: o primeiro modelo será a distribuição normal assimétrica proposta por Azzalini (1985) e o segundo o modelo proposto por Sahu/Dey/Branco (2003). Estes dois modelos, dentro de um contexto clássico e Bayesiano, serão utilizados para uma análise preteste/posteste dos dados obtidos pela Faculdade de Odontologia da USP e que estão disponíveis em Singer&Andrade (1997). A metodologia utilizada para o primeiro modelo estará baseada no algoritmo EM e na estrutura hierárquica Bayesiana proposta por Lachos (2004).