A classe de modelos de regressão beta tem sido estudada amplamente. Porém, para esta classe de modelos existem poucos trabalhos sobre a inclusão de efeitos aleatórios e a flexibilização da distribuição dos efeitos aleatórios, além de métodos de predição e de diagnóstico no ponto de vista dos efeitos aleatórios. Neste trabalho são propostos modelos de regressão beta com efeitos aleatórios normais e não normais para dados longitudinais. Os métodos de estimação de parâmetros e de predição dos efeitos aleatórios usados no trabalho são o método de máxima verossimilhança e o método do melhor preditor de Bayes empírico. Para aproximar a função de verossimilhança foi utilizada a quadratura de Gauss-Hermite. Métodos de seleção de modelos e análise de resíduos também foram propostos. Foi implementado o pacote BLMM no R para a realização de todos os procedimentos. O processo de estimação os parâmetros dos modelos e a distribuição empírica dos resíduos propostos foram analisados por meio de estudos de simulação. Foram consideradas várias distribuições para os efeitos aleatórios, valores para o número de indivíduos, número de observações por indivíduo e estruturas de variância-covariância para os efeitos aleatórios. Os resultados dos estudos de simulação mostraram que o processo de estimação obtém melhores resultados quando o número de indivíduos e o número de observações por indivíduo aumenta. Estes estudos também mostraram que o resíduo quantil aleatorizado segue uma distribuição aproximadamente normal. A metodologia apresentada é uma ferramenta completa para analisar dados longitudinais contínuos que estão restritos ao intervalo limitado (0; 1). / The class of beta regression models has been studied extensively. However, there are few studies on the inclusion of random effects and models with flexible random effects distributions besides prediction and diagnostic methods. In this work we proposed a beta regression models with normal and not normal random effects for longitudinal data. The maximum likelihood method and the empirical Bayes approach are used to obtain the estimates and the best prediction. Also, the Gauss-Hermite quadrature is used to approximate the likelihood function. Model selection methods and residual analysis were also proposed.We implemented a BLMM package in R to perform all procedures. The estimation procedure and the empirical distribution of residuals were analyzed through simulation studies considering differents random effects distributions, values for the number of individuals, number of observations per individual and covariance structures for the random effects. The results of simulation studies showed that the estimation procedure obtain better results when the number of individuals and the number of observations per individual increase. These studies also showed that the empirical distribution of the quantile randomized residual follows a normal distribution. The methodolgy presented is a tool for analyzing longitudinal data restricted to a interval (0; 1).

O objetivo deste trabalho foi avaliar a incorporação de funções geoestatísticas na matriz de variâncias e covariâncias residual no estudo de modelos lineares mistos a partir de um grupo de quatro experimentos de cana-de-açúcar, conduzidos na Guatemala nos seguintes locais: fazenda Limones - usina açucareira Pantaleón (LP), fazenda Bálsamo - usina açucareira Pantaleón (BP), área 1 da fazenda Limones - usina Madre Tierra (MT1) e área 2 da fazenda Limones - usina Madre Tierra (MT2). A variável resposta de interesse foi a produção de cana-de-açúcar por hectare, o delineamento utilizado nos quatro locais foi o casualizado em blocos, com cinco repetições e os mesmos seis tratamentos referentes a diferentes dosagens de um biorregulador (estimulante de crescimento). Em princípio, foram ajustados e comparados diversos modelos alternando-se o efeito de blocos, ora considerado fixo, ora aleatório, e a estrutura da matriz de variâncias e covariâncias (R), segundo os modelos exponencial, gaussiano e esférico. Estes modelos foram comparados, e os que admitem estruturas de dependência espacial se destacaram estatisticamente como os melhores, a partir do critério de Akaike (AIC), sendo então selecionados os modelos BFExp (blocos de efeito fixo e função exponencial na matriz R) e BAExpH (blocos de efeito aleatório, função exponencial para R e variâncias diferentes entre os locais). A seguir, foi realizada a estimação dos efeitos fixos e a predição dos efeitos aleatórios por meio do método da máxima verossimilhança restrita (REML) pois esta metodologia proporciona um menor viés para suas estimativas. As análises conjuntas nos dois modelos selecionados não apresentaram interação tratamentos versus locais, nem mesmo efeito de tratamentos significativos, não sendo aconselhado o desdobramento desta interação. O efeito de locais por sua vez, foi significativo apenas no modelo BAExpH, e detectou-se neste caso a superioridade do local BP em relação aos demais. Adicionalmente, os locais foram analisados individualmente, focando a comparação dos modelos e as análises de variâncias, contudo, assim como na análise conjunta, nos modelos escolhidos para cada local, os efeitos de tratamentos também não foram significativos. Gráficos de resíduos foram construídos e representaram bons ajustes para os modelos BFExp e BAExpH para descrever os dados deste grupo de experimentos. Por fim, foi realizado um estudo de simulação cujos resultados deram mais credibilidade e suporte para a importância e relevância de se verificar, por meio de comparações, a necessidade de uso de um modelo mais elaborado, que considere a possível existência de dependência espacial entre as observações. / The aim of this research was to evaluate the incorporation of geostatistical functions in the residual variances and covariances matrix in linear mixed models in a group of four experiments cane sugar conducted in four sites of Guatemala: farm Limones - Pantaleon sugar mill (LP), farm Bálsamo - Pantaleon sugar mill (BP), area 1 of the farm Limones - sugar mill Madre Tierra (MT1) and area 2 of the farm Limones - sugar mill Madre Tierra (MT2). Production of sugar cane was the interest variable analyzed at all locations, using the randomized block design with five replications and the same six treatments related to different doses of a plant growth regulator. Initially the models were adjusted and compared with alternating the blocks effect, sometimes considered fixed, sometimes random, and the structure of the variance and covariance matrix (R) according to the exponential, gaussian and spherical models. The models were compared, and, among them, those with spatial dependence structures stood out as the best statistically from the Akaike information criterion (AIC), and the selected modelos were the BFExp model (block as fixed effect and exponential function to R) and the BAExpH model (block as random effect, exponential function to R and different variances among the sites). After that, the estimation of fixed effects and prediction of random effects using the restricted maximum likelihood method (REML) were done, since this methodology provides a lower bias to their estimates. The joint analysis of both selected models showed no interaction between treatments and locals, even significant effect of treatments, not being advised the unfolding of this interaction. The effect of local was significant only in the BAExpH model, and detected in this case the superiority of the local BP in relation to the others. Additionally, individual sites were examined similarly to the previous case, through comparison of models and analysis of variance, however, treatment effects weren\'t significant too. Residual plots were constructed and represented satisfactory fit of the models to describe the data in all cases studied. Finally, a simulation study showed results with more credibility and support for the importance and relevance of verifying, through comparisons, the need to use a more structured model that considers the possible existence of spatial dependence among observations.

Data from insect studies may present different features. Univariate responses may be analyzed using generalized linear models (continuous and discrete data), survival models (time until event data), mixed effects models (longitudinal data), among other methods. These models may be used to analyse data from experiments which assess complex ecological processes, such as competition and predation. In that sense, computational tools are useful for researchers in several fields, e.g., insect biology and physiology, applied ecology and biological control. Using different datasets from entomology as motivation, as well as other types of datasets for illustration purposes, this work intended to develop new modelling frameworks and goodness-of-fit assessment tools. We propose accelerated failure rate mixed models with simultaneous location and scale modelling with regressors to analyse time-until-attack data from a choice test experiment. We use the exponential, Weibull and exponentiated-Weibull models, and assess goodness-of-fit using half-normal plots with simulation envelopes. These plots are the subject of an entire Chapter on an R package, called hnp, developed to implement them. We use datasets from different types of experiments to illustrate the use of these plots and the package. A bivariate extension to the N-mixture modelling framework is proposed to analyse longitudinal count data for two species from the same food web that may interact directly or indirectly, and example datasets from ecological studies are used. An advantage of this modelling framework is the computation of an asymmetric correlation coefficient, which may be used by ecologists to study the degree of association between species. The jointNmix R package was also developed to implement the estimation process for these models. Finally, we propose a goodness-of-fit assessment tool for bivariate models, analogous to the half-normal plot with a simulation envelope, and illustrate the approach with simulated data and insect competition data. This tool is also implemented in an R package, called bivrp. All software developed in this thesis is made available freely on the Comprehensive R Archive Network. / Dados provenientes de estudos com insetos podem apresentar características diferentes. Respostas univariadas podem ser analisadas utilizando-se modelos lineares generalizados (dados contínuos e discretos), modelos de análise de sobrevivência (dados de tempo até ocorrência de um evento), modelos de efeitos mistos (dados longitudinais), dentre outros métodos. Esses modelos podem ser usados para analisar dados provenientes de experimentos que avaliam processos ecológicos complexos, como competição e predação. Nesse sentido, ferramentas computacionais são úteis para pesquisadores em diversos campos, por exemplo, biologia e fisiologia de insetos, ecologia aplicada e controle biológico. Utilizando diferentes conjuntos de dados entomológicos como motivação, assim como outros tipos de dados para ilustrar os métodos, este trabalho teve como objetivos desenvolver novos modelos e ferramentas para avaliar a qualidade do ajuste. Foram propostos modelos de tempo de vida acelerado mistos, com modelagem simultânea dos parâmetros de locação e de escala com regressores, para analisar dados de tempo até ataque de um experimento que avaliou escolha de predadores. Foram utilizados modelos exponencial, Weibull e Weibull-exponenciado, e a qualidade do ajuste foi avaliada utilizando gráficos meio-normais com envelope de simulação. Esses gráficos são o assunto de um Capítulo inteiro sobre um pacote para o software R, chamado hnp, desenvolvido para implementá-los. Foram utilizados conjuntos de dados de diferentes tipos de experimentos para ilustrar o uso desses gráficos e do pacote. Uma extensão bivariada para os modelos chamados \"N-mixture\" foi proposta para analisar dados longitudinais de contagem para duas espécies pertencentes à mesma teia trófica, que podem interagir direta e indiretamente, e conjuntos de dados provenientes de estudos ecológicos são usados para ilustrar a abordagem. Uma vantagem dessa estratégica de modelagem é a obtenção de um coeficiente de correlação assimétrico, que pode ser utilizado por ecologistas para inferir acerca do grau de associação entre espécies. O pacote jointNmix foi desenvolvido para implemetar o processo de estimação para esses modelos. Finalmente, foi proposta uma ferramenta de avaliação de qualidade do ajuste para modelos bivariados, análoga ao gráfico meio-normal com envelope de simulação, e a metodologia _e ilustrada com dados simulados e dados de competição de insetos. Essa ferramenta está também implementada em um pacote para o R, chamado bivrp. Todo o software desenvolvido nesta tese está disponível, gratuitamente, na Comprehensive R Archive Network (CRAN).

O trabalho se estruturou em torno de dois estudos. O primeiro avaliou o ajuste de um modelo não linear de efeito misto para descrever o afilamento do tronco de árvores clonais de eucalipto. O modelo utilizado para descrever as variações da altura em função do raio foi o logístico de quatro parâmetros que, por integração permitiu a estimação do volume das árvores. A incorporação de funções de variância no processo de ajuste resultou em redução significativa no valor do Critério de informação de Akaike, mas os resíduos não apresentaram melhorias notáveis. Com a finalidade de compatibilizar precisão e parcimônia, o modelo que considera as variações do afilamento como uma função da altura total e do raio à altura do peito mostrou-se como o mais indicado para a estimativa do volume de árvores por funções de afilamento. O segundo estudo analisou uma nova proposta para inventários florestais em plantios clonais de eucalipto que integra modelagem geoestatística, medições de circunferência das árvores em campo e a tecnologia LiDAR aeroembarcada. As estatísticas propostas mostraram que o modelo geoestatístico com função para média foi estatisticamente superior ao modelo com média constante, com erros reduzidos em até 40%. A altura das árvores que compuseram o grid de predição para aplicação do modelo geoestatístico foi obtida pelo processamento da nuvem de pontos dos dados LiDAR. Obtidos os pares de diâmetro e altura, aplicou-se o modelo de afilamento selecionado no primeiro artigo em que se observaram diferenças médias na predição do volume próximas a 0,7%, e 0,18% para contagem de árvores, ambas com tendências de subestimativas. Diante dos resultados obtidos, o método é considerado como promissor e trabalhos futuros visam gerar um banco de parcelas permanentes que propiciem estudos de crescimento e produção florestal. / This study investigates the use of mixed-effect model and the use of LiDAR based model to estimate volume from eucalyptus forest plantation. At the first part, this study evaluates nonlinear mixed-effects to model stem taper of monoclonal Eucalyptus trees. The relation between radius and height variation was described by the four-parameter logistic model that integration returns stem volume. Embedding variance functions to the estimation process decreased significantly the Akaike\'s Information Criterion but did not improve the residual analysis. The best model to estimate stem volume from taper equations explained the stem taper as a function of the commercial height and the radius at breast height. The second part investigated the volume estimation fusing geostatistic derived from field information and airborne laser scanning data. The model based on geostatistic assumptions was statistically superior to the traditional one, with errors 40% lower. Thus, the geostatistical model was applied over tree heights extracted from the laser cloud. To each combination of diameter and height, the taper equation form the first part of this study was used. The volume and the number of trees were underestimated in 0.7% and 0.18%, respectively. The results look promising, and more permanent plots are necessary to allow studies about growth and yield of forest.

Experimentos cujas variaveis respostas s~ ao proporcoes ou contagens, sao muito comuns nas diversas areas do conhecimento, principalmente na area agricola. Na analise desses experimentos, utiliza-se a teoria de modelos lineares generalizados, bastante difundida (McCullagh & Nelder, 1989; Demetrio, 2001), em que as respostas sao independentes. Caso a variancia estimada seja maior do que a esperada, estima-se o parametro de dispersao, incluindo-o no processo de estimaçao dos parametros. Quando a variavel resposta e observada ao longo do tempo, pode haver uma correlacao entre as observacoes e isso tem que ser levado em consideracao na estimacao dos parametros. Uma forma de se trabalhar essa correlacao e aplicando a metodologia de equacoes de estimacao generalizada (EEG), discutida por Liang & Zeger (1986), embora, neste caso, o interesse esteja nas estimativas dos efeitos fixos e a inclusao da matriz de correlacao de trabalho sirva para se obter um melhor ajuste. Uma outra alternativa e a inclusao, no preditor linear, de um efeito latente para captar variabilidades nao consideradas no modelo e que podem in uenciar nos resultados. No presente trabalho, usa-se uma forma combinada de efeito aleatorio e parametro de dispersao, incluidos conjuntamente na estimacao dos parametros. Essa metodologia e aplicada a um conjunto de dados obtidos de um experimento com camu-camu, com objetivo de se avaliarem quais os melhores metodos de enxertia e tipos de porta-enxertos que podem ser utilizados, atraves da proporcao de pegamentos da muda. Varios modelos sao ajustados, desde o modelo em parcelas subdivididas (supondo independencia), ate o modelo em que se considera o parametro de dispersao e efeito aleatorio conjuntamente. Ha evidencias de que o modelo em que se inclui o efeito aleatorio e o parametro de dispersao, conjuntamente, resultam em melhores estimativas dos parametros. Outro conjunto de dados longitudinais, com milho transgenico MON810, em que a variavel resposta e o numero de lagartas (Spodoptera frugiperda), e utilizado. Neste caso, devido ao excesso de respostas zero, emprega-se o modelo de regressao Poisson in acionado de zeros (ZIP), alem do modelo Poisson padrao, em que as observacoes sao consideradas independentes, e do modelo Poisson in acionado de zeros com efeito aleatorio. Os resultados mostram que o efeito aleatorio incluido no preditor foi nao significativo e, assim, o modelo adotado e o modelo de regressao Poisson in acionado de zeros. Os resultados foram obtidos usando-se os procedimentos NLMIXED, GENMOD e GPLOT do SAS - Statistical Analysis System, versao 8.2. / Experiments which response variables are proportions or counts are very common in several research areas, specially in the area of agriculture. The theory of generalized linear models, well difused (McCullagh & Nelder, 1989; Demetrio, 2001), is used for analyzing these experiments where the responses are independent. If the estimated variance is greater than the expected variance, the dispersion parameter is estimated including it on the parameter estimation process. When the response variable is observed over time a correlation among observations might occur and it should be taken into account in the parameter estimation. A way of dealing with this correlation is applying the methodology of generalized estimating equations (GEEs) discussed by Liang & Zeger (1986) although, in this case, the interest is on the estimates of the xed efect being the inclusion of a working correlation matrix useful to obtain more accurate estimates. Another alternative is the inclusion of a latent efect in the linear predictor to explain variabilities not considered in the model that might in uence the results. In this work the random efect and the dispersion parameter are combined and included together in the parameter estimation. Such methodology is applied to a data set obtained from an experiment realized with camu-camu to evaluate, through proportion of grafting well successful of seedling, which kind of grafting and understock are suitable to be used. Several models are fitted, since the split plot model (with independence assumption) up to the model where the dispersion parameter and the random efect are considered together. There is evidence that the model including the random efect and the dispersion parameter together, produce better estimates of the parameters. Another longitudinal data set used here comes from an experiment realized with the MON810 transgenic corn where the response variable is the number of caterpillars (Spodoptera frugiperda). In this case, due to the excessive number of zeros obtained, the zero in ated Poisson regression model (ZIP) is used in addition to the standard Poisson model, where observations are considered independent, and the zero in ated Poisson regression model with random efect. The results show that the random efect included in the linear predictor was not significant and, therefore, the adopted model is the zero in ated Poisson regression model. The results were obtained using the procedures NLMIXED, GENMOD and GPLOT available on SAS - Statistical Analysis System, version 8.2.

De forma geral, as fases iniciais dos programas de melhoramento se caracterizam pelo tamanho populacional elevado e a natureza subjetiva da seleção. Por serem consideradas etapas de grande importância e de alto grau de complexidade, torna-se necessário a utilização de metodologias que, de forma eficiente, auxiliem os melhoristas a obterem resultados mais precisos, otimizando tempo e recursos para liberação de novas cultivares. Assim, este trabalho teve como objetivo avaliar o nível de ganho genético que um programa de melhoramento de cana-de-açúcar pode ter, adotando diferentes estratégias de seleção, em fases iniciais do melhoramento. Para tanto, dois experimentos referentes à primeira e à segunda fase de seleção do Programa de Melhoramento Genético da Cana-de-açúcar da RIDESA/UFSCar, foram instalados. Na primeira etapa, identificou-se o método de seleção entre e dentro de família (BLUPi, BLUPis e BLUPseq) com maior potencial a ser aplicado na população base do experimento, utilizando a abordagem de modelos mistos. Posteriormente, praticou-se seleção, incluindo o método massal e aleatória. Na segunda etapa, a população experimental foi constituída pelos clones previamente selecionados na etapa anterior, através das diferentes estratégias de seleção. Os valores genotípicos dos indivíduos foram preditos, e então, classificados de acordo com o caráter de interesse econômico. Na primeira etapa, dentre os métodos de seleção entre e dentro de família, o que apresentou maior ganho de seleção predito (12,7%), para toneladas de Pol por hectare (TPH), foi o procedimento BLUPseq. O método BLUPis apresentou alta correlação com o método de seleção via BLUPseq e se mostrou bastante eficiente, uma vez que, o número de indivíduos a serem selecionados em cada família é determinado de forma dinâmica, assim como a intensidade de seleção em cada repetição. Por outro lado, o método BLUPi apresentou-se impraticável, uma vez que as avaliações fenotípicas devem ser realizadas em nível de indivíduo, o que demanda muito tempo e mão de obra, além do que, identificou-se tendência em selecionar indivíduos das extremidades das parcelas. De acordo com os resultados obtidos no experimento - segunda etapa, devido a baixa variância genética (CVg ≤ 15) entre as famílias que constituíram a população base do experimento, o método de seleção de família via BLUPseq foi equivalente ao método de seleção massal. Por outro lado, se ênfase for dada na escolha de genitores em etapas de hibridação para a ampliação da base genética, o método de seleção de família pode ser recomendado. / Overall, the early stages of breeding programs are characterized by high population size and the subjective nature of the selection. Considered as a stage of great importance and with high degree of complexity, it becomes necessary to use methodologies that efficiently assist plant breeders to obtain more accurate results, optimizing time and resources for releasing new cultivars. Thus, the aim of this study was to evaluate the genetic gain level that a sugarcane breeding program may have, adopting different selection strategies at early breeding stages. Therefore, two experiments concerning the first and the second selection stages of the Sugarcane Breeding Program of RIDESA/UFSCar, were installed. In the first step, the method of selection between and within families (BLUPi, BLUPis and BLUPseq) with greatest potential to be applied into the population of the experiment were identified, through mixed models approach. Later, the selection was practiced including the mass and random selection methods. In the second stage, the experimental population consisted of clones previously selected in the previous stage through the different selection strategies. The genotypic values of individuals were predicted, and then classified according to the character of economic interest. In the first stage, from the selection methods between and within families, the BLUPseq procedure was the one with highest predicted selection gain (12.7 %) for tons of Pol per hectare (TPH). The BLUPis procedure showed high correlation with BLUPseq procedure and was quite efficient, since the number of individuals to be selected in each family is determined dynamically, as well as the selection intensity in each repetition. Moreover, the BLUPi method proved to be impracticable, since the phenotypic evaluations must be performed at the individual level, which requires long time and labor force, in addition to that, it was identified trend in selecting individuals from the plots edges. According to the results of the second stage experiment, due to low genetic variance (CVg ≤ 15) among the families which composed the experimental population base, the family selection via BLUPseq was equivalent to mass selection. On the other hand, if emphasis is given on the choice of parents in hybridization steps to broaden the genetic basis, the family selection method can be recommended.

A classe de modelos de regressão beta tem sido estudada amplamente. Porém, para esta classe de modelos existem poucos trabalhos sobre a inclusão de efeitos aleatórios e a flexibilização da distribuição dos efeitos aleatórios, além de métodos de predição e de diagnóstico no ponto de vista dos efeitos aleatórios. Neste trabalho são propostos modelos de regressão beta com efeitos aleatórios normais e não normais para dados longitudinais. Os métodos de estimação de parâmetros e de predição dos efeitos aleatórios usados no trabalho são o método de máxima verossimilhança e o método do melhor preditor de Bayes empírico. Para aproximar a função de verossimilhança foi utilizada a quadratura de Gauss-Hermite. Métodos de seleção de modelos e análise de resíduos também foram propostos. Foi implementado o pacote BLMM no R para a realização de todos os procedimentos. O processo de estimação os parâmetros dos modelos e a distribuição empírica dos resíduos propostos foram analisados por meio de estudos de simulação. Foram consideradas várias distribuições para os efeitos aleatórios, valores para o número de indivíduos, número de observações por indivíduo e estruturas de variância-covariância para os efeitos aleatórios. Os resultados dos estudos de simulação mostraram que o processo de estimação obtém melhores resultados quando o número de indivíduos e o número de observações por indivíduo aumenta. Estes estudos também mostraram que o resíduo quantil aleatorizado segue uma distribuição aproximadamente normal. A metodologia apresentada é uma ferramenta completa para analisar dados longitudinais contínuos que estão restritos ao intervalo limitado (0; 1). / The class of beta regression models has been studied extensively. However, there are few studies on the inclusion of random effects and models with flexible random effects distributions besides prediction and diagnostic methods. In this work we proposed a beta regression models with normal and not normal random effects for longitudinal data. The maximum likelihood method and the empirical Bayes approach are used to obtain the estimates and the best prediction. Also, the Gauss-Hermite quadrature is used to approximate the likelihood function. Model selection methods and residual analysis were also proposed.We implemented a BLMM package in R to perform all procedures. The estimation procedure and the empirical distribution of residuals were analyzed through simulation studies considering differents random effects distributions, values for the number of individuals, number of observations per individual and covariance structures for the random effects. The results of simulation studies showed that the estimation procedure obtain better results when the number of individuals and the number of observations per individual increase. These studies also showed that the empirical distribution of the quantile randomized residual follows a normal distribution. The methodolgy presented is a tool for analyzing longitudinal data restricted to a interval (0; 1).

O objetivo principal deste trabalho é estudar modelos mistos lineares elípticos em que uma das variáveis explicativas ou covariáveis é medida com erros, sob a abordagem estrutural. O trabalho é apresentado numa notação longitudinal, todavia a covariável medida com erros pode ser observada temporalmente ou como medidas repetidas. Assumimos uma estrutura hierárquica apropriada com distribuição elíptica conjunta para os erros envolvidos, porém a inferência é desenvolvida sob uma abordagem marginal em que consideramos a distribuição marginal da resposta e da variável medida com erros. Procedimentos de influência local em que o esquema de perturbação é escolhido de forma apropriada são desenvolvidos. Um exemplo para motivação é apresentado e analisado através dos procedimentos apresentados neste trabalho. Detalhamos nos apêndices os principais procedimentos necessários para o desenvolvimento do modelo proposto. / The aim of this thesis is to study elliptical linear mixed models in which one of the explanatory variables is subject to measurement error under the structural assumption. The work is presented by assuming a longitudinal structure, however the explanatory variable may be observed along the time or as repeated measures. A joint hierarchical structure is assumed for the elliptical errors, but the inference is made under the marginal structure. The methodology of local influence is applied with the perturbation schemes being selected appropriately. A motivation example is presented and analysed by the procedures developed in this work. All the main derivations for the development of the proposed model are presented in the appendices.

Nós consideramos decomposições de estatísticas $U$ para obter testes para componentes de variância. As distribuições assintóticas das estatísticas de testes sob a hipótese nula são obtidas supondo apenas a existência do quarto momento do erro condicional e do segundo momento dos efeitos aleatórios. Isso permite sua utilização em uma classe bastante ampla de distribuições. Sob a suposição adicional de existência do quarto momento dos efeitos aleatórios, obtemos também a distribuição assintótica das estatísticas sob uma seqüência de hipóteses alternativas locais. Comparamos a eficiência dos testes propostos com aqueles dos testes clássicos, obtidos sob suposição de normalidade, por meio de estudos de simu-lação. Os testes propostos se mostram mais adequados nas situações em que a amostra é de tamanho moderado ou grande, independentemente da distribuição das fontes de variação, e nas situações em que existe fortes afastamentos da normalidade. / We consider decompositions of U-statistics to obtain tests for null variance components in linear mixed models. Their asymptotic distributions under the null hypothesis are obtained only assuming the existence of the first four moments of the conditional error distribution and the existence of the first two moments of the random effects distribution. Thus, the proposed U-tests may be employed in a large class of models. Under the additional assumption of the existence of the fourth moment of the distribution of the random effects, we also obtain the asymptotic distribution of the U-tests under a sequence of local hypothesis. We compare their efficiency with that of classical tests derived under the assumption of normality, through simulation studies. The proposed tests are more efficient in situations where the sample size is moderate or large, independently of the distribution of the sources of variation; they also perform better in situations where the underlying distributions are far from normal.

Para analisar dados binários oriundos de uma estrutura hierárquica com dois níveis (por exemplo, aluno e escola), uma alternativa bastante utilizada é a suposição da distribuição binomial para as unidades experimentais do primeiro nível (aluno) condicionalmente a um efeito aleatório proveniente de uma distribuição normal para as unidades do segundo nível (escola). Neste trabalho, propõe-se a adição de um efeito aleatório normal no primeiro nível de um modelo linear generalizado hierárquico binomial para contemplar uma possível variabilidade extra-binomial decorrente da dependência entre os ensaios de Bernoulli de um mesmo indivíduo. Obtém-se o processo de estimação por máxima verossimilhança para este modelo a partir da verossimilhança marginal dos dados, após uma dupla aplicação do método de quadratura de Gauss-Hermite adaptativa como aproximação para as integrais dos efeitos aleatórios. Realiza-se um estudo de simulação para contrastar propriedades inferenciais do modelo aspirante com o modelo linear generalizado binomial, um modelo de quase-verossimilhança e o tradicional modelo linear generalizado hierárquico em dois níveis. / A common alternative when analyzing binary data originated from a two-level hierarchical structure (for instance, student and school) is to assume a binomial distribution for the experimental units of the first level (student) conditionally to a normal random effect for the second level units (school). In this work, we propose the inclusion of a second normal random effect in the first level to contemplate a possible extra-binomial variability due to the dependence among the Bernoulli trials in the same individual. We obtain the maximum likelihood estimation process for this hierarchical model starting from the marginal likelihood of the data, after a double application of the adaptive Gauss-Hermite quadrature as an approximation of the integrals of the random effects. We conduct a simulation study to compare the inferential properties of the advocated model with the generalized linear (binomial) model, a quasi-likelihood model and the usual two-level hierarchical generalized linear model.