Análise bayesiana de modelos lineares mistos robustos via amostrador de Gibbs

• Ano de defesa: 1999
• Autor(a) principal: Rosa, Guilherme Jordão de Magalhães
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: AMOSTRAGEM; ANÁLISE DE DADOS; DISTRIBUIÇÕES (PROBABILIDADE); INFERÊNCIA BAYESIANA; MODELOS LINEARES MISTOS
• Link de acesso: https://teses.usp.br/teses/disponiveis/11/11134/tde-20191220-123417/

Os modelos lineares de efeitos mistos têm sido amplamente utilizados na análise de dados onde as respostas estão agrupadas e a suposição de independência entre observações num mesmo grupo não é adequada. Na maioria das aplicações destes modelos é assumida distribuição normal tanto dos resíduos quanto dos efeitos aleatórios, o que os tornam muito sensíveis à presença de valores discrepantes nas observações. No presente trabalho é discutida a utilização de um grupo de distribuições leptocúrticas, denominadas distribuições normal/independentes, como alternativas robustas para as distribuições gaussiana. Toda a apresentação é efetuada dentro de uma perspectiva bayesiana e o Amostrador de Gibbs é utilizado na condução da análise a posteriori. Dois exemplos de aplicações utilizando-se a distribuição t, a distribuição slash e a distribuição normal contaminada são apresentados para ilustrar a metodologia. As distribuições normal/independentes mostram-se como alternativas robustas bastante interessantes para modelos lineares mistos, sendo de fácil implementação dentro de um contexto bayesiano, podendo ser também utilizadas na detecção de valores discrepantes em conjunto de dados.