Resumo
Assumir que as observações seguem uma distribuição normal (ou simétrica) é uma suposição rotineira em modelos com efeitos aleatórios (Choy e Smith, 1997; Rosa et al., 2004; Osorio, 2006). No entanto, esta suposição pode ser não realista, ocultando importantes características da variação que está presente nos dados. Assim, é conveniente considerar famílias paramétricas de distribuições que sejam flexíveis para capturar uma ampla variedade de comportamentos simétricos e que incluam a distribuição normal como um caso especial, produzindo estimação robusta no modelo considerado. Neste sentido, a classe de distribuições de misturas da escala skew--normal (Branco e Dey, 2001) contém um grupo de distribuições com caudas muito mais pesadas que a distribuição normal e incluem a distribuição skew--normal (Azzalini, 1985) e toda a classe simétrica de distribuições de misturas da escala normal (Andrews e Mallows, 1974) como casos especiais.Este projeto tem por objetivo realizar um estudo inferencial no modelo hierárquico assimétrico, desde uma perspectiva clássica e Bayesiana. Para alguns elementos desta classe na estimação baseada na verossimilhança, é possível derivar expressões interessantes para a implementação do algoritmo-EM. Adicionalmente, para distribuiçõestais como skew-stable e skew-exponencial--potência é possível mostrar que o Gibbs sampler pode ser implementado sem muita dificuldade, segundo resultados de Choy e Smith (1997) no contexto simétrico. Vale a pena ressaltar que os resultados deste projetovisam contribuir positivamente para o desenvolvimento nesta área de pesquisa, contribuindo para novos resultados em modelos de interesse prático e estendendo resultados relevantes encontrados, por exemplo, em Choy e Smith (1997), Rosa et al. (2004) e Osorio et al. (2007).
|