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.

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).

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.

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.

Grande parte dos experimentos instalados atualmente é planejada para que sejam realizadas observações ao longo do tempo, ou em diferentes profundidades, enfim, tais experimentos geralmente contem um fator longitudinal. Uma maneira de se analisar esse tipo de conjunto de dados é utilizando modelos mistos, por meio da inclusão de fatores de efeito aleatório e, fazendo uso do método da máxima verossimilhança restrita (REML), podem ser estimados os componentes de variância associados a tais fatores com um menor viés. O pacote estatístico ASReml-R, muito eficiente no ajuste de modelos lineares mistos por possuir uma grande variedade de estruturas para as matrizes de variâncias e covariâncias já implementadas, apresenta o inconveniente de nao ter como objetos as matrizes de delineamento X e Z, nem as matrizes de variâncias e covariâncias D e , sendo estas de grande importância para a verificação das pressuposições do modelo. Este trabalho reuniu ferramentas que facilitam e fornecem passos para a construção de modelos baseados na aleatorização, tais como o diagrama de Hasse, o diagrama de aleatorização e a construção de modelos mistos incluindo fatores longitudinais. Sendo o vetor de resíduos condicionais e o vetor de parâmetros de efeitos aleatórios confundidos, ou seja, não independentes, foram obtidos resíduos, denominados na literatura, resíduos com confundimento mínimo e, como proposta deste trabalho foi calculado o EBLUP com confudimento mínimo. Para tanto, foram implementadas funções que, utilizando os objetos de um modelo ajustado com o uso do pacote estatístico ASReml-R, tornam disponíveis as matrizes de interesse e calculam os resíduos com confundimento mínimo e o EBLUP com confundimento m´nimo. Para elucidar as técnicas neste apresentadas e salientar a importância da verificação das pressuposições do modelo adotado, foram considerados dois exemplos contendo fatores longitudinais, sendo o primeiro um experimento simples, visando a comparação da eficiência de diferentes coberturas em instalações avícolas, e o segundo um experimento realizado em três fases, contendo fatores inteiramente confundidos, com o objetivos de avaliar características do papel produzido por diferentes espécies de eucaliptos em diferentes idades. / Currently, most part of the experiments installed is designed to be carried out observations over time or at different depths. These experiments usually have a longitudinal factor. One way of analyzing this data set is by using mixed models through means of inclusion of random effect factors, and it is possible to estimate the variance components associated to such factors with lower bias by using the Restricted maximum likelihood method (REML). The ASRemi-R statistic package, very efficient in fitting mixed linear models because it has a wide variety of structures for the variance - covariance matrices already implemented, presents the disadvantage of having neither the design matricesX and Z, nor the variance - covariance matrices D and , and they are very important to verify the assumption of the model. This paper gathered tools which facilitate and provide steps to build models based on randomization such as the Hasse diagram, randomization diagram and the mixed model formulations including longitudinal factors. Since the conditional residuals and random effect parameters are confounded, that is, not independent, it was calculated residues called in the literature as least confounded residuals and as a proposal of this work, it was calculated the least confound EBLUP. It was implemented functions which using the objects of fitted models with the use of the ASReml-R statistic package becoming available the matrices of interests and calculate the least confounded residuals and the least confounded EBLUP. To elucidate the techniques shown in this paper and highlight the importance of the verification of the adopted models assumptions, it was considered two examples with longitudinal factors. The former example was a simple experiment and the second one conducted in three phases, containing completely confounded factors, with the purpose of evaluating the characteristics of the paper produced by different species of eucalyptus from different ages.

Neste trabalho são apresentadas algumas extensões dos modelos potência-alfa assumindo o contexto em que as observações estão censuradas ou limitadas. Inicialmente propomos um novo modelo assimétrico que estende os modelos t-assimétrico (Azzalini e Capitanio, 2003) e t-potência (Zhao e Kim, 2016) e inclui a distribuição t de Student como caso particular. Este novo modelo é capaz de ajustar dados com alto grau de assimetria e curtose, ainda maior do que os modelos t-assimétrico e t-potência. Em seguida estendemos o modelo t-potência às situações em que os dados apresentam censura, com alto grau de assimetria e caudas pesadas. Este modelo generaliza o modelo de regressão linear t de Student para dados censurados por Arellano-Valle et al. (2012). O trabalho também introduz o modelo linear misto normal-potência para dados assimétricos. Aqui a inferência estatística é realizada desde uma perspectiva clássica usando o método de máxima verossimilhança junto com o método de integração numérica de Gauss-Hermite para aproximar as integrais envolvidas na função de verossimilhança. Mais tarde, o modelo linear com interceptos aleatórios para dados duplamente censurados é estudado. Este modelo é desenvolvido sob a suposição de que os erros e os efeitos aleatórios seguem distribuições normal-potência e normal- assimétrica. Para todos os modelos estudados foram realizados estudos de simulação a fim de estudar as suas bondades de ajuste e limitações. Finalmente, ilustram-se todos os métodos propostos com dados reais. / In this work some extensions of the alpha-power models are presented, assuming the context in which the observations are censored or limited. Initially we propose a new asymmetric model that extends the skew-t (Azzalini e Capitanio, 2003) and power-t (Zhao e Kim, 2016) models and includes the Students t-distribution as a particular case. This new model is able to adjust data with a high degree of asymmetry and cursose, even higher than the skew-t and power-t models. Then we extend the power-t model to situations in which the data present censorship, with a high degree of asymmetry and heavy tails. This model generalizes the Students t linear censored regression model t by Arellano-Valle et al. (2012) The work also introduces the power-normal linear mixed model for asymmetric data. Here statistical inference is performed from a classical perspective using the maximum likelihood method together with the Gauss-Hermite numerical integration method to approximate the integrals involved in the likelihood function. Later, the linear model with random intercepts for doubly censored data is studied. This model is developed under the assumption that errors and random effects follow power-normal and skew-normal distributions. For all the models studied, simulation studies were carried out to study their benefits and limitations. Finally, all proposed methods with real data are illustrated.

Este trabalho objetivou a avaliação da presença de plasticidade fenotípica e de adaptação local de três procedências de palmiteiro: Ombrófila Densa, Estacional Semidecidual e Restinga, em três locais no Estado de São Paulo: Parque Estadual da Ilha do Cardoso, Parque Estadual de Carlos Botelho e Estação Ecológica dos Caetetus, em ensaios de adaptação no estabelecimento (ou de semeadura) e de adaptação em juvenis (ou de crescimento). Os conjuntos de dados foram analisados utilizando estruturas de grupos de experimentos, com efeitos cruzados e aninhados. As variáveis relacionadas com a massa de matéria seca das plantas, nos dois ensaios, foram analisadas usando a abordagem de modelos lineares de efeitos mistos, por meio da incorporação de fatores de efeito aleatório, e fazendo uso do método da máxima verossimilhança restrita (REML) para estimação dos componentes de variância associados a tais fatores com um menor viés. Por outro lado, para a proporção de sementes germinadas, no ensaio de adaptação no estabelecimento, a análise estatística foi realizada a partir da abordagem dos modelos lineares generalizados mistos, sob a pressuposição de que a variável segue uma distribuição binomial, com função de ligação logito. O método da pseudo-verossimilhança foi empregado para obtenção da solução das equações de verossimilhança. Os resultados mostraram que as plantas originadas de sementes dos três biomas avaliados apresentaram um comportamento plástico, para todos os caracteres avaliados no ensaio de adaptação no estabelecimento. Com relação ao ensaio de adaptação em juvenis, a característica de plasticidade foi verificada somente para a massa de matéria seca da folha em plantas provenientes do bioma Estacional Semidecidual. A característica de adaptação local, apresentou-se de forma evidente no ensaio de adaptação no estabelecimento. Estes resultados evidenciaram que em cada local avaliado, as plantas originadas das sementes de diferentes procedências apresentaram um comportamento diferenciado nos caracteres relacionados à massa de matéria seca, podendo em alguns casos, tratar-se de adaptação local. Concluiu-se que os locais Carlos Botelho e Ilha do Cardoso são os mais favoráveis para a germinação das sementes de sua mesma procedência. / The aim of this work was to evaluate the presence of phenotypic plasticity and local adaptation of three provenances of the palm specie Euterpe edulis: Atlantic Rainforest, Seasonally Dry Forest and Restinga Forest, in permanent parcels inserted in three forest types of the São Paulo State (Brazil): Parque Estadual da Ilha do Cardoso, Parque Estadual de Carlos Botelho e Estação Ecológica dos Caetetus, in experiments of seedling establishment and juveniles plants growth. The data sets were analyzed using structures of groups of experiments, with crossed and nested effects. The variables related to dry matter content of plants in both assays were analyzed using linear mixed models (LMM) approach, through the incorporation of random effect factors, and using the restricted maximum likelihood method (REML) for estimation of variance components associated with these factors with a minor bias. On the other hand, germination proportion of the seeds at seedling establishment assay was analyzed using the generalized linear mixed models (GLMM) approach, under the assumption that the variable follows a binomial distribution, with logit link function. The pseudo-likelihood (PL) method was used to obtain the numerical solution of the likelihood equations. The results showed that, plants from seeds of the three biomes evaluated presented a plastic behavior for all characters assessed in the seedling establishment assay. In respect to juveniles adaptation assay, the phenotypic plasticity characteristic was observed only to the leaf dry matter content of plants from Seasonally Dry Forest biome. The local adaptation characteristic was clearly observed in the seedling establishment assay. These results showed that at each site evaluated, plants originating from seeds of different provenances exhibited different behavior on characters related to the dry matter content and may in some cases be local adaptation. It was concluded that locations Carlos Botelho and Ilha do Cardoso are the most favorable for seed germination of its same provenance.

Neste trabalho são apresentadas algumas extensões dos modelos potência-alfa assumindo o contexto em que as observações estão censuradas ou limitadas. Inicialmente propomos um novo modelo assimétrico que estende os modelos t-assimétrico (Azzalini e Capitanio, 2003) e t-potência (Zhao e Kim, 2016) e inclui a distribuição t de Student como caso particular. Este novo modelo é capaz de ajustar dados com alto grau de assimetria e curtose, ainda maior do que os modelos t-assimétrico e t-potência. Em seguida estendemos o modelo t-potência às situações em que os dados apresentam censura, com alto grau de assimetria e caudas pesadas. Este modelo generaliza o modelo de regressão linear t de Student para dados censurados por Arellano-Valle et al. (2012). O trabalho também introduz o modelo linear misto normal-potência para dados assimétricos. Aqui a inferência estatística é realizada desde uma perspectiva clássica usando o método de máxima verossimilhança junto com o método de integração numérica de Gauss-Hermite para aproximar as integrais envolvidas na função de verossimilhança. Mais tarde, o modelo linear com interceptos aleatórios para dados duplamente censurados é estudado. Este modelo é desenvolvido sob a suposição de que os erros e os efeitos aleatórios seguem distribuições normal-potência e normal- assimétrica. Para todos os modelos estudados foram realizados estudos de simulação a fim de estudar as suas bondades de ajuste e limitações. Finalmente, ilustram-se todos os métodos propostos com dados reais. / In this work some extensions of the alpha-power models are presented, assuming the context in which the observations are censored or limited. Initially we propose a new asymmetric model that extends the skew-t (Azzalini e Capitanio, 2003) and power-t (Zhao e Kim, 2016) models and includes the Students t-distribution as a particular case. This new model is able to adjust data with a high degree of asymmetry and cursose, even higher than the skew-t and power-t models. Then we extend the power-t model to situations in which the data present censorship, with a high degree of asymmetry and heavy tails. This model generalizes the Students t linear censored regression model t by Arellano-Valle et al. (2012) The work also introduces the power-normal linear mixed model for asymmetric data. Here statistical inference is performed from a classical perspective using the maximum likelihood method together with the Gauss-Hermite numerical integration method to approximate the integrals involved in the likelihood function. Later, the linear model with random intercepts for doubly censored data is studied. This model is developed under the assumption that errors and random effects follow power-normal and skew-normal distributions. For all the models studied, simulation studies were carried out to study their benefits and limitations. Finally, all proposed methods with real data are illustrated.

Made available in DSpace on 2010-04-20T20:48:35Z (GMT). No. of bitstreams: 3 74548.pdf.jpg: 26566 bytes, checksum: 1363b6015e29349551fc03353232c2f6 (MD5) 74548.pdf: 1970291 bytes, checksum: afaf033a3bee5d623cfb2ac4ccc1cef1 (MD5) 74548.pdf.txt: 340191 bytes, checksum: 0b249196cea065834bc87d775c4ff9ae (MD5) Previous issue date: 2005-09-27T00:00:00Z / A determinação e a mensuração da importância das principais fontes de vantagem competitiva, ainda é um tema em discussão na área de Estratégia. Uma linha de pesquisa, iniciada em meados dos anos 80, tem seu foco principal na determinação e quantificação da importância dos fatores que poderiam explicar as diferenças no desempenho de um grupo de empresas, utilizando a decomposição da variância dos valores do desempenho através das técnicas de Regressão Linear ou de Componentes de Variância. Nesta linha de pesquisa, desenvolveram-se uma série de trabalhos empíricos cujo propósito principal é quantificar, entre outros fatores, qual a importância do setor industrial em que a empresa atua, qual a importância do ano, qual a importância de se fazer parte de um grupo econômico e qual a importância dos fatores idiossincráticos da empresa na explicação do desempenho apresentado em determinados períodos. Dos resultados destes trabalhos surgiram discussões importantes sobre o papel da estratégia corporativa e sobre a importância relativa de tais fatores na determinação da vantagem competitiva. Este trabalho se insere nesta linha de pesquisa, cujo objetivo é, utilizando uma base de dados brasileira muito mais abrangente e completa que os estudos anteriores, quer nacionais e internacionais, primeiramente verificar se a realidade apontada nos estudos internacionais se assemelha à do Brasil. Em segundo lugar, contribuir com um refinamento teórico, refazendo estas análises utilizando modelos lineares mistos, mais apropriados para estes conjuntos de dados, que os modelos de componentes de variância. Em terceiro lugar, utilizando dois tipos de matriz de covariância, verifica se o desempenho de um determinado ano influi no desempenho dos anos imediatamente subseqüentes, verificando, assim, a possível existência de medidas repetidas para a variável ano. Finalmente, analisa se parte da variabilidade do desempenho das empresas brasileiras pode ser atribuído ao fato da empresa se localizar em determinada Unidade da Federação / The delimitation of the main sources of competitive advantage and the quantification of their importance, are still relevant issues in the strategy field of studies. At the middle of the 80´s, a new stream of research emerged, focusing in determining and quantifying the importance of the factors which could explain the differences among the performance of a set of firms, through the decomposition of factors variance using linear regression or variance components. In this set of works, there was developed several empirical researches whose main purpose was to quantify the importance of factors as industrial sector, year, corporate affiliation and idiosyncratic issues in explaining the firm performance. From the results presented in these papers several discussions raised about the hole of corporate strategy and about the relative importance of those factors in the determination of the competitive advantage. The investigation developed in this work, which is aligned with this set of researches, uses a broad and complete data base of Brazilians´ firms, first, to verify if the findings about international firms are similar to Brazilian firms. Second, develop new analysis using linear mixed models, which are theoretically more appropriate for this type of analysis. Third, by the use of two types of covariance matrices, test the existence of repeated measures for the variable year, to verify if the results of performance of a year influence the performance of the subsequent years. Finally, it is analyzed if being established in a specific Brazilian State impacts the firm performance.