Modelos de regressão normal independente com erros de medida e dados censurados

• Autor(a) principal: Alejandro Guillermo Monzon Montoya
• Data de Publicação: 2018
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BIRC-BB5Q9H
• topic: dados censurados; Algoritmo EM; distribuição normal independente; modelos com erros de medida; Análise de regressão; Estatística; Análise multivariada

Modelos com erros de medida (MEM) são úteis para descrever diferentes fenômenos em diversas áreas do conhecimento. São utilizados para comparar dispositivos de medição que variam em custo, tempo e eficiência. Embora vários modelos considerem a existência de covariáveis mal medidas, muitos deles não consideram observações censuradas para a variável resposta. Por outro lado, isto é fundamental uma vez que em vários estudos a resposta observada está sujeita a limites de detecção máximos e/ou mínimos. Neste contexto, estendemos o trabalho de Matos et al. (2016), que desenvolveram a estimação dos parâmetros do modelo com erros de medida multivariado usando a distribuição t-Student com observações censuradas, a uma classe mais geral de distribuições normal independente (t-Student multivariado e slash multivariado). Além de desenvolvermos os procedimentos de estimação e inferência robusta, no sentido de utilizar uma distribuição que acomode observações outliers de forma mais eficiente do que a distribuição normal, também realizamos um estudo de diagnóstico de influência global e local utilizando a metodologia proposta por Zhu e Lee (2001).