Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2013. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-01-12T15:24:17Z No. of bitstreams: 1 2013_RubemKalpperCeratti.pdf: 1830693 bytes, checksum: 5cc2b460e956662ebc74cdfd9b67bd15 (MD5) / Approved for entry into archive by Patrícia Nunes da Silva(patricia@bce.unb.br) on 2016-01-12T15:52:07Z (GMT) No. of bitstreams: 1 2013_RubemKalpperCeratti.pdf: 1830693 bytes, checksum: 5cc2b460e956662ebc74cdfd9b67bd15 (MD5) / Made available in DSpace on 2016-01-12T15:52:07Z (GMT). No. of bitstreams: 1 2013_RubemKalpperCeratti.pdf: 1830693 bytes, checksum: 5cc2b460e956662ebc74cdfd9b67bd15 (MD5) / Neste trabalho são abordados modelos lineares generalizados de efeitos mistos para análise de dados longitudinais multivariados, no tratamento de dados em que se assume a distribuição Poisson composta, que tem suporte em $[0,+\infty)$ e é um caso particular da família Tweedie de distribuições, também pertencente à família exponencial de dispersão. No ajuste dos modelos mistos multivariados para a distribuição Poisson composta, utiliza-se uma abordagem de pseudo-verossimilhança, estimando modelos par-a-par e reduzindo o tempo computacional. Como aplicação, analisa-se um conjunto de dados provenientes de um experimento agronômico no qual avaliam-se os efeitos de tratamentos, ao longo do tempo, no perfil de 25 compostos químicos de plantas de algodão. ______________________________________________________________________________ ABSTRACT / This work presents generalized linear mixed effects models as a framework to the analysis of longitudinal multivariate data for which the underlying distribution is assumed to follow a compound Poisson distribution, whose support lies in $[0,+\infty)$, and is a particular case of the Tweedie family of distributions, and, also, belongs to the exponential dispersion family. In order to fit multivariate mixed models to the compound Poisson distribution, a pseudo-likelihood approach is used, fitting pairwise models and reducing computational time. As an application, agronomic experiment data is analyzed, estimating the effects of 5 treatments, over different time periods, on the profile of 25 organic compounds of cotton plants.