Estimation methods in heavy-tailed nonlinear mixed effects models (2019)
- Authors:
- Autor USP: GOMES, JOSÉ CLELTO BARROS - Interinstitucional de Pós-Graduação em Estatística
- Unidade: Interinstitucional de Pós-Graduação em Estatística
- Sigla do Departamento: SME
- DOI: 10.11606/T.104.2020.tde-20032020-171207
- Subjects: MODELOS NÃO LINEARES; VEROSSIMILHANÇA; VALIDAÇÃO DE MODELOS; MÉTODO DE MONTE CARLO
- Keywords: Correlated data; Dados correlacionados; Estimation methods; Máxima verossimilhança; Máxima verossimilhança restrita; Maximum likelihood; Métodos de estimação; Mixed-effects models; Modelos mistos; Nonlinear models; Restricted maximum likelihood
- Agências de fomento:
- Language: Inglês
- Abstract: A estimação de parâmetros em modelos não lineares com efeitos mistos é muitas vezes desafiadora. Neste trabalho, propomos a comparação de alguns de métodos de estimação nesses modelos sob o enfoque frequentista. Em um primeiro momento, propomos um estimador de máxima verossimilhança em um esquema de estimação exata contra o estimador de máxima versossimilhança em um modelo linearizado pela expansão de Taylor, o que é frequentemente utilizado na literatura. No primeiro cenário usamos o algoritmo MCEM. Em um segundo momento, visando diminuir o viés para estimativas das componentes de variância, propomos um estimador de máxima verossimilhança restrita também dentro de um esquema de estimação exata, baseada na integração da função de verossimilhança em relação aos efeitos fixos. Esse estimador é comparado com o de máxima verossimilhança. Neste caso, usamos o algoritmo SAEM, para os dois métodos de estimação. Assume-se para os erros e efeitos aleatórios algumas distribuições simétricas multivariadas de escala de misturas de distribuições normais, que compõem a classe de distribuições de caudas pesadas, a saber: normal, t e slash. Por último propomos um modelo não linear mais flexível, em que não é assumida uma forma linear para a inclusão dos efeitos aleatórios. Em todos os casos utilizamos dados reais e estudos de simulação para avaliar as propriedades dos estimadores.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 05.12.2019
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
GOMES, José Clelto Barros. Estimation methods in heavy-tailed nonlinear mixed effects models. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-20032020-171207/. Acesso em: 28 fev. 2026. -
APA
Gomes, J. C. B. (2019). Estimation methods in heavy-tailed nonlinear mixed effects models (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-20032020-171207/ -
NLM
Gomes JCB. Estimation methods in heavy-tailed nonlinear mixed effects models [Internet]. 2019 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-20032020-171207/ -
Vancouver
Gomes JCB. Estimation methods in heavy-tailed nonlinear mixed effects models [Internet]. 2019 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-20032020-171207/
Informações sobre o DOI: 10.11606/T.104.2020.tde-20032020-171207 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
