Imputação de dados através de modelos de curvas de crescimento polinomiais

Detalhes bibliográficos
Ano de defesa: 2000
Autor(a) principal: Daré, Cláudia Tureta
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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