Em estudos longitudinais, repetidas observações de uma mesma variável resposta são coletadas na mesma unidade experimental, em diferentes ocasiões. Como diferentes observações são realizadas na mesma unidade, espera-se que estas sejam correlacionadas, e que exista uma heterogeneidade de variâncias nas diferentes ocasiões. Dados longitudinais multivariados são obtidos quando um conjunto de diferentes variáveis respostas são mensuradas na mesma unidade experimental repetidas vezes ao longo do tempo; nesse caso, além da correlação entre observações realizadas na mesma unidade experimental, deve-se considerar também a correlação entre diferentes variáveis respostas. Uma forma de analisar dados longitudinais bivariados é empregar um modelo misto para cada uma das variáveis respostas e uni-los em um modelo misto bivariado especificando a distribuição conjunta para os efeitos aleatórios. As estimativas dos parâmetros desta distribuição comum podem ser usadas para avaliar a relação entre as diferentes respostas. Para exemplificar a utilização da técnica, foram utilizados dados de armazenamento de leite UAT. Os modelos lineares mistos bivariados foram ajustados por meio do software SAS e a análise gráfica foi realizada por meio do software R. Para seleção dos modelos empregou-se os Critérios de Informação de Akaike (AIC) e Bayesiano (BIC), e o teste da razão de verossimilhanças para comparação de modelos encaixados. A utilização do modelo linear misto bivariado permitiu modelar a heterogeneidade de variâncias entre ocasiões e a correlação entre diferentes medidas na mesma unidade experimental, bem como a correlação entre as variáveis respostas. / In longitudinal studies, repeated measurements of a response variable are taken in the same experimental unit over time. . Since different observations are measured on the same experimental unit, it is expected that there is correlation among the repeated measurements and heterogeneity of variances in different occasions. Multivariate Longitudinal Data are obtained when we measure a number of different response variables in the same experimental unit repeatedly over time; in this case, we should also observe a correlation between the different response variables. One way to analyze bivariate longitudinal data is to use a mixed model for each of the response variables, and unite them in bivariate mixed models specifying the joint distribution for random effects. Parameter estimates of this common distribution may be used to evaluate the relationship between different responses. As an example of the use of the technique, UHT milk storage data were used. Models were fitted using SAS software and the graphical analysis was done with software R. To model selection, Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) were used, and maximum likelihood ratio test was used to compare nested models. The use of bivariate mixed linear model allowed to model the heteroscedasticity of the occasions, the correlation between the different measurements in the same experimental unit and also the correlation between the different response variables.

Este é um trabalho proveniente de vários encontros com pesquisadores da Embrapa de Campinas, cujo objetivo principal se centrou em investigar a probabilidade de frutificação em árvores de Café Arábica. Para isso foram analisados 20 bancos de dados para árvores de Café Arábica de um cultivar localizado no Instituto Agronômico do Paraná em dois momentos distintos (Junho de 2010 e em Novembro - Dezembro de 2010) e consideradas as seguintes variáveis: \"OCUPAÇÃO\" (quadrática ou retangular), \"ESPAÇAMENTO\" (6.000 plantas/ha e 10.000 plantas/ha) ambas relativas ao cultivo das plantas e \"TAMANHO DO ENTRENÓ\" (medição em cm de uma partição definida da planta). Na busca de um modelo representativo de tal fenômeno, foram estudadas paralelamente tópicos relativos a alometria e assimetria dessas mesmas plantas, os quais permitiram modelar determinadas associações entre algumas estruturas como largura e comprimento de folhas. Os modelos ajustados apresentaram uma grande significância para a variável \"ESPAÇAMENTO\" nos dois tempos estudados, enquanto que a variável \"OCUPAÇÃO\" foi significativa apenas no segundo tempo e variável \"TAMANHO DO ENTRENÓ\" não foi significativa para nenhum dos tempos. A metodologia adotada para investigar essa probabilidade se deu através dos modelos de regressão logístico. Com o intuito de agregar a variável \"TEMPO\", juntou-se os dois bancos de dados em diferentes tempos e, baseado na metodologia de modelos mistos, obteve-se um modelo ajustado com retas paralelas, onde apenas a variável \"ESPAÇAMENTO\" foi considerada significativa. / This work is based on several meetings with Embrapa researchers from Campinas in an integrated study with professors from the ESALQ Department of Statistics and Agronomic Experimentation, whose main objective was to investigate the probability of fruiting in Arabica Coffee trees. In order to do so, it was analyzed 20 databases for Coffee trees of a cultivar located at the Agronomic Institute of Paraná at two different times (June 2010 and November - December 2010), where the following variables were considered: \"OCCUPATION \"(quadratic or rectangular),\"SPACING \"(6,000 plants / ha and 10,000 plants / ha), both related to plant cultivation and \"SIZE OF ENTRENO\"( measured in cm of a defined plant partition). In order to find a representative model of this phenomenon, topics related to allometry and asymmetry of these same plants were studied in parallel, which allowed to model certain associations between some structures such as width and length of leaves. The adjusted models presented a great significance for the variable \"SPACING\"in the two studied times, whereas the variable \"OCCUPATION\"was significant only in the second time and the variable \"SIZE OF THE ENTRENÓ\"was not significant for any of the times. The methodology used to investigate this probability was based on logistic regression models. In order to aggregate the variable \"TIME\", the two databases were combined at different times and, based on the methodology of mixed models, a model adjusted with parallel lines was obtained, where only the variable \"SPACING\"was considered significant.

Propomos um modelo Beta-Binomial/Poisson para dados provenientes de um estudo com doentes de Parkinson, que consistiu em contar durante um minuto quantas tarefas foram realizadas e destas, quantas de maneira correta, antes e depois de um treinamento. O objetivo era verificar se o treinamento aumentava o número de tentativas e a porcentagem de acerto, o que destaca o aspecto bivariado do problema. Esse modelo considera tal aspecto, usa uma distribuição mais adequada a dados de contagem e ainda suporta a sobredispersão presente nos dados. Obtemos estimadores de máxima verossimilhança dos parâmetros utilizando um algoritmo de Newton-Raphson. Ilustramos a aplicação da metodologia desenvolvida aos dados do estudo. / We propose a Beta-Binomial/Poisson model to the data from a study with Parkinson disease patients, which consisted in counting for one minute how many trials were attempted and how many of them were successful, before and after a training period. The main goal was to check if training increased the number of trials and success probability, which emphasizes the bivariate aspect of the problem. This model takes this aspect into account, uses a distribution which is usually more adequate to count data and supports the overdispersion present in the data. We obtain the maximum likelihood estimators using a Newton-Raphson algorithm. For illustration, the methodology is applied to the data from study.

Orientador: Luzia Aparecida Trinca / Resumo: A classe dos modelos de regressão incorporando polinômios fracionários - FPs (Fractional Polynomials), proposta por Royston & Altman (1994), tem sido amplamente estudada. O uso de FPs em modelos mistos constitui uma alternativa muito atrativa para explicar a dependência das medidas intra-unidades amostrais em modelos em que há não linearidade na relação entre a variável resposta e variáveis regressoras contínua. Tal característica ocorre devido aos FPs oferecerem, para a resposta média, uma variedade de formas funcionais não lineares para as variáveis regressoras contínuas, em que se destacam a família dos polinômios convencionais e algumas curvas assimétricas e com assíntotas. A incorporação dos FPs na estrutura dos modelos mistos tem sido investigada por diversos autores. Porém, não existem publicações sobre: a exploração da problemática da modelagem na parte fixa e na parte aleatória (principalmente na presença de várias variáveis regressoras contínuas e categóricas); o estudo da influência dos FPs na estrutura dos efeitos aleatórios; a investigação de uma adequada estrutura para a matriz de covariâncias do erro; ou, um ponto de fundamental importância para colaborar com a seleção do modelo, a realização da análise de diagnóstico dos modelos ajustados. Uma contribuição, do nosso ponto de vista, de grande relevância é a investigação e oferecimento de estratégias de ajuste dos modelos polinômios fracionários com efeitos mistos englobando os pontos citados acima com o objetiv... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The class of regression models incorporating Fractional Polynomials (FPs), proposed by Royston & Altman (1994), has been extensively studied. The use of FPs in mixed models is a very attractive alternative to explain the within-subjects’ measurements dependence in models where there is non-linearity in the relationship between the response variable and continuous covariates. This characteristic occurs because the FPs offers a variety of non-linear functional forms for the continuous covariates in the average response, in which the family of the conventional polynomials and some asymmetric curves with asymptotes stand out. The incorporation of FPs into the structure of the mixed models has been investigated by several authors. However, there are no works about the following issues: the modeling of the fixed and random effects (mainly in the presence of several continuous and categorical covariates), the study of the influence of the FPs on the structure of the random effects, the investigation of an adequate structure for the covariance of the random errors, or, a point that has central importance to the selection of the model, to perform a diagnostic analysis of the fitted models. In our point of view, a contribution of great relevance is the investigation and the proposition of strategies for fitting FPs with mixed effects encompassing the points mentioned above, with the goals of filling these gaps and to awaken the users to the great potential of mixed models, now even mor... (Complete abstract click electronic access below) / Doutor

Dados binários ou dicotômicos são comuns em muitas áreas das ciências, nas quais, muitas vezes, há interesse em registrar a ocorrência, ou não, de um evento particular. Por outro lado, quando cada unidade amostral é avaliada em mais de uma ocasião no tempo, tem-se dados longitudinais ou medidas repetidas no tempo. é comum também, nesses estudos, se ter uma ou mais variáveis explicativas associadas às variáveis respostas. As variáveis explicativas podem ser dependentes ou independentes do tempo. Na literatura, há técnicas disponíveis para a modelagem e análise desses dados, sendo os modelos disponíveis extensões dos modelos lineares generalizados. O enfoque do presente trabalho é dado aos modelos lineares generalizados de transição para a análise de dados longitudinais envolvendo uma resposta do tipo binária. Esses modelos são baseados em processos estocásticos e o interesse está em modelar as probabilidades de mudanças ou transições de categorias de respostas dos indivíduos no tempo. A suposição mais utilizada nesses processos é a da propriedade markoviana, a qual condiciona a resposta numa dada ocasião ao estado na ocasião anterior. Assim, são revistos os fundamentos para se especificar tais modelos, distinguindo-se os casos estacionário e não-estacionário. O método da máxima verossimilhança é utilizado para o ajuste dos modelos e estimação das probabilidades. Adicionalmente, apresentam-se testes assintóticos para comparar tratamentos, baseados na razão de chances e na diferença das probabilidades de transição. Outra questão explorada é a combinação do modelo de efeitos aleatórios com a do modelo de transição. Os métodos são ilustrados com um exemplo da área da saúde. Para esses dados, o processo é considerado estacionário de ordem dois e o teste proposto sinaliza diferença estatisticamente significativa a favor do tratamento ativo. Apesar de ser uma abordagem inicial dessa metodologia, verifica-se, que os modelos de transição têm notável aplicabilidade e são fontes para estudos e pesquisas futuras. / Binary or dichotomous data are quite common in many fields of Sciences in which there is an interest in registering the occurrence of a particular event. On the other hand, when each sampled unit is evaluated in more than one occasion, we have longitudinal data or repeated measures over time. It is also common, in longitudinal studies, to have explanatory variables associated to response measures, which can be time dependent or independent. In the literature, there are many approaches to modeling and evaluating these data, where the models are extensions of generalized linear models. This work focus on generalized linear transition models suitable for analyzing longitudinal data with binary response. Such models are based on stochastic processes and we aim to model the probabilities of change or transitions of individual response categories in time. The most used assumption in these processes is the Markov property, in which the response in one occasion depends on the immediately preceding response. Thus we review the fundamentals to specify these models, showing the diferences between stationary and non-stationary processes. The maximum likelihood approach is used in order to fit the models and estimate the probabilities. Furthermore, we show asymptotic tests to compare treatments based on odds ratio and on the diferences of transition probabilities. We also present a combination of random-efects model with transition model. The methods are illustrated with health data. For these data, the process is stationary of order two and the suggested test points to a significant statistical diference in favor of the active treatment. This work is an initial approach to transition models, which have high applicability and are great sources for further studies and researches.

The concern of this thesis is to discuss classification of different objects based on longitudinal observations. In the first instance the reader is introduced to a linear mixed-effects model which is useful for longitudinal data modeling. Description of discriminant analysis methods follows. These methods ares usually used for classification based on longitudinal observations. Individual methods are introduced in the theoretic aspect. Random effects approach is generalized to continuous time. Subsequently the methods and features of the linear mixed-effects model are applied to real data. Finally features of the methods are studied with help of simulations.

Propomos um modelo Beta-Binomial/Poisson para dados provenientes de um estudo com doentes de Parkinson, que consistiu em contar durante um minuto quantas tarefas foram realizadas e destas, quantas de maneira correta, antes e depois de um treinamento. O objetivo era verificar se o treinamento aumentava o número de tentativas e a porcentagem de acerto, o que destaca o aspecto bivariado do problema. Esse modelo considera tal aspecto, usa uma distribuição mais adequada a dados de contagem e ainda suporta a sobredispersão presente nos dados. Obtemos estimadores de máxima verossimilhança dos parâmetros utilizando um algoritmo de Newton-Raphson. Ilustramos a aplicação da metodologia desenvolvida aos dados do estudo. / We propose a Beta-Binomial/Poisson model to the data from a study with Parkinson disease patients, which consisted in counting for one minute how many trials were attempted and how many of them were successful, before and after a training period. The main goal was to check if training increased the number of trials and success probability, which emphasizes the bivariate aspect of the problem. This model takes this aspect into account, uses a distribution which is usually more adequate to count data and supports the overdispersion present in the data. We obtain the maximum likelihood estimators using a Newton-Raphson algorithm. For illustration, the methodology is applied to the data from study.

Em Lora e Singer (Statistics in Medicine, 2008), propusemos um modelo Beta- Binomial/Poisson p-variado para análise dos dados provenientes de um estudo que consistiu em contar o número de tentativas e acertos de um exercício manual com duração de um minuto realizado por doentes de Parkinson, antes e depois de um treinamento. O objetivo era verificar se o treinamento aumentava o número de tentativas e a porcentagem de acerto, o que destaca o aspecto bivariado do problema. Esse modelo leva tais características em consideração, usa uma distribuição adequada para dados de contagem e ainda acomoda a sobredispersão presente na contagem dos acertos. Como generalização, inicialmente, propomos um modelo Beta-Binomial/Poisson-Gama que acomoda sobredispersão também para as contagens dos totais de tentativas, além incluir covariâncias possivelmente diferentes entre as contagens em diversos instantes de avaliação. Neste novo modelo, introduzimos um parâmetro que relaciona o total de tentativas com a probabilidade de acerto, tornando-o ainda mais geral. Obtemos estimadores de máxima verossimilhança dos parâmetros utilizando um algoritmo de Newton-Raphson. Consideramos um outro conjunto de dados provenientes do mesmo estudo para ilustração da metodologia proposta. / In Lora and Singer (Statistics in Medicine, 2008), we proposed a Beta-Binomial/Poisson p-variate model to analyze data from a study which consists in counting the number of trials and successes of a manual exercise in one minute periods, done by Parkinsons disease patients, before and after a training. The purpose was to verify if the training improves the number of trials and the percentage of success, which emphasizes the bivariate aspect of the problem. This model considers these characteristics, uses an adequate distribution to count data and settles the overdispersion suggested in the number os successes. As a generalization, initially, we propose a Beta-Binomial/Poisson-Gama model which also settles the overdispersion suggested by the total number of trials, besides includes possible different covariances between total trial counts in different evaluation instants. In this new model, we introduce a parameter that links the total trials with the success probability, making it even more general. We obtain maximum likelihood estimators for the parameters using an Newton-Raphson algorithm. We consider another data from the same study to illustrate the proposal methodology.

This thesis looks at the problem of developmental respiration in Sarcophaga crassipalpis Macquart from the biological and instrumental points of view and adapts mathematical and statistical tools in order to analyze the data gathered. The biological motivation and current state of research is given as well as instrumental considerations and problems in the measurement of carbon dioxide production. A wide set of mathematical and statistical tools are used to analyze the time series produced in the laboratory. The objective is to assemble a methodology for the production and analysis of data that can be used in further developmental respiration research.

Longitudinal data arise when individuals are measured several times during an ob- servation period and thus the data for each individual are not independent. There are several ways of analyzing longitudinal data when different treatments are com- pared. Multilevel models are used to analyze data that are clustered in some way. In this work, multilevel models are used to analyze longitudinal data from a case study. Results from other more commonly used methods are compared to multilevel models. Also, comparison in output between two software, SAS and R, is done. Finally a method consisting of fitting individual models for each individual and then doing ANOVA type analysis on the estimated parameters of the individual models is proposed and its power for different sample sizes and effect sizes is studied by simulation.