Modelos lineares generalizados para análise de dados com medidas repetidas

Autor(es)

Maria Kelly Venezuela

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Paulo.
• Instituição: Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI)
• Data de defesa: 2003-07-04

Membros da banca

Denise Aparecida Botter; Rinaldo Artes; Antonieta D'Alcantara de Queiroz Peres

• Orientador: Denise Aparecida Botter

Resumo

Neste trabalho, apresentamos as equações de estimação generalizadas desenvolvidas por Liang e Zeger (1986), sob a ótica da teoria de funções de estimação apresentada por Godambe (1991). Essas equações de estimação são obtidas para os modelos lineares generalizados (MLGs) considerando medidas repetidas. Apresentamos também um processo iterativo para estimação dos parâmetros de regressão, assim como testes de hipóteses para esses parâmetros. Para a análise de resíduos, generalizamos para dados com medidas repetidas algumas técnicas de diagnóstico usuais em MLGs. O gráfico de probabilidade meio-normal com envelope simulado é uma proposta para avaliarmos a adequação do ajuste do modelo. Para a construção desse gráfico, simulamos respostas correlacionadas por meio de algoritmos que descrevemos neste trabalho. Por fim, realizamos aplicações a conjuntos de dados reais. (AU)

• Processo FAPESP: 01/00098-3 - Modelos lineares generalizados para análise de dados com medidas repetidas
• Beneficiário: Maria Kelly Venezuela
• Modalidade de apoio: Bolsas no Brasil - Mestrado