Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-12T12:44:40Z No. of bitstreams: 2 Dissertação_Marcos_Pereira.pdf: 807661 bytes, checksum: 1ebb56740f5cb8ccf80e479b8f137997 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T12:44:40Z (GMT). No. of bitstreams: 2 Dissertação_Marcos_Pereira.pdf: 807661 bytes, checksum: 1ebb56740f5cb8ccf80e479b8f137997 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / CAPES / Neste trabalho apresenta-se um modelo de calibração estatística linear com repetição na variável resposta e assumindo que os erros têm distribuição pertencente a uma classe ou família de distribuições denominada Misturas de Escala Normal Assimétrica (MENA). Essa família de distribuições e uma generalização de várias distribuições que permite a escolha de uma distribuição simétrica ou assimétrica. Na literatura, os modelos de calibração supõem, em grande parte, que os erros têm distribuição normal, no entanto, a distribuição normal e inadequada para dados com observações destoantes e assimetria. A estimação dos parâmetros do modelo proposto e feita numericamente por meio do algoritmo EM, devido a sua facilidade de implementação e eficiência. Realizou-se um estudo de simulação em que o estimador de máxima verossimilhança via algoritmo EM mostrou-se consistente. O modelo de calibração linear proposto foi aplicado em dois conjuntos de dados reais relacionados a química analítica.