Busca avançada
Ano de início
Entree

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

Processo: 16/05420-6
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de julho de 2016
Vigência (Término): 07 de março de 2017
Área do conhecimento:Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
Convênio/Acordo: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Pesquisador responsável:Víctor Hugo Lachos Dávila
Beneficiário:Larissa Avila Matos
Instituição-sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Assunto(s):Modelos não lineares

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)

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)
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. Citações Web of Science: 0.
LACHOS, VICTOR H.; MATOS, LARISSA A.; BARBOSA, THAIS S.; GARAY, ALDO M.; DEY, DIPAK K. Influence diagnostics in spatial models with censored response. ENVIRONMETRICS, v. 28, n. 7 NOV 2017. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.