Imputação de dados através de modelos de curvas de crescimento polinomiais
Ano de defesa: | 2000 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-115956/ |
Resumo: | Em estudos longitudinais é freqüente a ocorrência de observações ausentes. Uma abordagem para dados incompletos é a imputação, que consiste em prever as observações ausentes, completando o conjunto de dados para posterior análise. Neste trabalho, a imputação é feita através do modelo de curvas de crescimento polinomiais sob o modelo misto, com as suposições de normalidade de efeitos e erros aleatórios, independência dos erros e mesma matriz de covariância para efeitos individuais. O método de imputação adotado é o BLUP (Best Linear Unbiased Predictor), que depende da estimação das matrizes de covarância, para a qual vários métodos são considerados. Além disso, a técnica é aplicada a um conjunto de dados reais e, para outros três conjuntos de dados, os resultados são comparados com os de outros trabalhos |
id |
USP_9abf42deda9484c0e4cbca2296c08ce9 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-20210729-115956 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
|
spelling |
Imputação de dados através de modelos de curvas de crescimento polinomiaisnot availableAnálise De Dados LongitudinaisCurvas De CrescimentoPesquisa E Planejamento EstatísticoEm estudos longitudinais é freqüente a ocorrência de observações ausentes. Uma abordagem para dados incompletos é a imputação, que consiste em prever as observações ausentes, completando o conjunto de dados para posterior análise. Neste trabalho, a imputação é feita através do modelo de curvas de crescimento polinomiais sob o modelo misto, com as suposições de normalidade de efeitos e erros aleatórios, independência dos erros e mesma matriz de covariância para efeitos individuais. O método de imputação adotado é o BLUP (Best Linear Unbiased Predictor), que depende da estimação das matrizes de covarância, para a qual vários métodos são considerados. Além disso, a técnica é aplicada a um conjunto de dados reais e, para outros três conjuntos de dados, os resultados são comparados com os de outros trabalhosIn longitudinal studies is often the occurrence of missing observations. One way to handle incomplete data is the imputation, which consists of predicting the missing observations to complete the data set which will be later analised. In this work, the imputation is obtained using the polynomial growth curves models under assumption of normality of effects and random errors, independence of erros and same covariance matrix for individual effects. The imputation method is the best linear unbiased predictor (BLUP), that depends on estimation of the covariance matrix, for which some methods are considered. The imputation technique is applied to some sets of real data and the results are compared with others works from the literatureBiblioteca Digitais de Teses e Dissertações da USPBarroso, Lúcia PereiraDaré, Cláudia Tureta2000-08-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-115956/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-16T12:05:03Zoai:teses.usp.br:tde-20210729-115956Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-16T12:05:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Imputação de dados através de modelos de curvas de crescimento polinomiais not available |
title |
Imputação de dados através de modelos de curvas de crescimento polinomiais |
spellingShingle |
Imputação de dados através de modelos de curvas de crescimento polinomiais Daré, Cláudia Tureta Análise De Dados Longitudinais Curvas De Crescimento Pesquisa E Planejamento Estatístico |
title_short |
Imputação de dados através de modelos de curvas de crescimento polinomiais |
title_full |
Imputação de dados através de modelos de curvas de crescimento polinomiais |
title_fullStr |
Imputação de dados através de modelos de curvas de crescimento polinomiais |
title_full_unstemmed |
Imputação de dados através de modelos de curvas de crescimento polinomiais |
title_sort |
Imputação de dados através de modelos de curvas de crescimento polinomiais |
author |
Daré, Cláudia Tureta |
author_facet |
Daré, Cláudia Tureta |
author_role |
author |
dc.contributor.none.fl_str_mv |
Barroso, Lúcia Pereira |
dc.contributor.author.fl_str_mv |
Daré, Cláudia Tureta |
dc.subject.por.fl_str_mv |
Análise De Dados Longitudinais Curvas De Crescimento Pesquisa E Planejamento Estatístico |
topic |
Análise De Dados Longitudinais Curvas De Crescimento Pesquisa E Planejamento Estatístico |
description |
Em estudos longitudinais é freqüente a ocorrência de observações ausentes. Uma abordagem para dados incompletos é a imputação, que consiste em prever as observações ausentes, completando o conjunto de dados para posterior análise. Neste trabalho, a imputação é feita através do modelo de curvas de crescimento polinomiais sob o modelo misto, com as suposições de normalidade de efeitos e erros aleatórios, independência dos erros e mesma matriz de covariância para efeitos individuais. O método de imputação adotado é o BLUP (Best Linear Unbiased Predictor), que depende da estimação das matrizes de covarância, para a qual vários métodos são considerados. Além disso, a técnica é aplicada a um conjunto de dados reais e, para outros três conjuntos de dados, os resultados são comparados com os de outros trabalhos |
publishDate |
2000 |
dc.date.none.fl_str_mv |
2000-08-04 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-115956/ |
url |
https://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-115956/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809091975713914880 |