O objetivo deste trabalho é investigar se os multiplicadores de gastos do governo diferem de acordo com o estado do ciclo de negócios para o período 1999: I- 2016: II. Para tanto é utilizado o Método de Projeção Local de Jordà para estimar as funções resposta ao impulso e os multiplicadores fiscais sob dois regimes diferentes: recessão e expansão. Para definir os diferentes regimes foram utilizadas as variáveis comumente usadas na literatura (o hiato do produto, o nível de utilização da capacidade instalada, a taxa de crescimento do PIB, a taxa de desemprego), além da datação oficial de ciclos do CODACE. A estimação do modelo não linear resulta em multiplicadores de gastos do governo, após um e dois anos, maiores nos períodos de recessão do que nos períodos de expansão, independentemente da variável escolhida para diferenciar os regimes. Porém, os multiplicadores obtidos não parecem ser diferentes estatisticamente entre os regimes. Infelizmente, como observado por Ramey e Zubairy (2017) a existência de séries históricas é fundamental para a estimação dos multiplicadores fiscais e sua ausência para a economia brasileira limita muito o que é possível dizer sobre o assunto / This paper aims to investigate whether government spending multipliers are different according to the state of the business cycle for the Brazilian economy during the period 1999:I-2016:II. In order to do so we use Jordà\'s Local Projection Method to estimate impulse response functions and fiscal multipliers under two different regimes: recession and expansion. To define the different regimes we use several variables commonly used in the literature: the output gap, the capacity utilization level, the GDP growth rate, the unemployment rate and CODACE. The nonlinear model estimations result in larger multipliers, after one and two years, in periods of economic recession than in periods of economic expansion, regardless of the variable chosen to differentiate regimes. However, the multipliers do not seem to be statistically different between regimes. Unfortunately, as observed by Ramey and Zubairy (2017), long historical series are fundamental for the adequate estimation of fiscal multipliers and their absence for the Brazilian economy does not allow anyone to say much about the subject.

Em experimentos que envolvam um fator quantitativo e um qualitativo, é aconselhável que, se detectado efeito significativo da interação entre os fatores na análise de variância, recorra-se a análise de regressão no desdobramento da mesma, no entanto nem sempre a utilização de modelos de regressão linear é a forma mais adequada para avaliar o efeito do fator quantitativo. Neste trabalho é apresentada a forma de ajuste de um modelo de regressão não linear em um experimento com medida repetida no tempo. No experimento considerou-se o ganho de peso, em quilos, de ovinos, machos e fêmeas, da raça Santa Inês em doze idades diferentes. Conduzido como parcela subdividida, pois fator tempo não foi aleatorizado, a análise variância necessita de correção dos graus de liberdade devido à condição de esfericidade não satisfeita. A correção de Geisser e Greenhouse (G-G) foi utilizada para os efeitos da interação e do tempo. O teste F na análise de variância apresentou resultado significativo para interação entre os fatores e, no desdobramento da interação, para avaliação do efeito do fator tempo em cada nível do fator sexo foi proposto o ajuste do modelo Gompertz bem como um teste de aderência para o modelo. Após o ajuste do modelo aos dados de peso de ovinos também foi considerado no estudo a comparação dos parâmetros das curvas de machos e fêmeas. Pela análise proposta foi possível concluir que o modelo univariado, com esquema de parcelas subdivididas, pode ser utilizado em experimentos de crescimento animal, porém sua aplicação está sujeita a verificação da condição de esfericidade. Também foi verificado que incorporar, no desdobramento de interações, o ajuste do modelo Gompertz é um procedimento viável e permitiu avaliar a real qualidade de ajuste do modelo aos dados. Com a comparação dos parâmetros das curvas ajustadas verificou-se que ovinos machos e fêmeas apresentam valores estatisticamente iguais para os parâmetros α e γ, ambos relacionados com o peso ao nascer dos animais. O peso máximo esperado para fêmea (40,7kg) é estatisticamente inferior ao encontrado para os machos (57,3kg), no entanto, sua taxa de crescimento (0,011kg/dia para fêmeas) é superior (0,007kg/dia para machos), ou seja, as fêmeas atingem o peso de estabilização mais rapidamente que os machos. / In experiments involving a qualitative and a quantitative factor, it is advisable that if a significant interaction is detected between factors in the analysis of variance, one should perform regression analysis of the splitting factors. However, the use of linear regression models is not always the most appropriate way to assess the effect of the quantitative factor. This paper presents a way to fit a nonlinear regression model in an experiment with repeated measurements over time. In the experiment, the weight gain of male and female Santa Inês breed sheep, in pounds, in twelve different ages is measured. Conducted in a split-plot design, as the time factor was not randomized, the analysis of variance requires correction of the degrees of freedom, as the sphericity condition is not satisfied. The Greenhouse and Geisser correction (G-G) was used for the purposes of interaction and time. The F test in the analysis of variance showed a significant result for the interaction between the factors and the splitting of the interaction. In order to evaluate the effect of the time factor at each level of the gender factor, a Gompertz model was proposed, as well as a test of model adherence. After fitting the model to the data, a comparison study of the parameters for males and females was also made. For the proposed analysis, we concluded that the univariate model, with split-plot design, can be used in experiments of animal growth, but its application is prone to verification of the sphericity condition. They also found that the incorporation of the splitting of interactions, by adjusting the Gompertz model, is a viable procedure and allowed to evaluate the real quality of fit. By comparing the fitted parameter values, it was found that males and females have statistically identical values for the parameters α and γ, both related to the birth weight of the animals. The maximum weight expected for a female (40.7 kg) is statistically lower than that found for the males (57.3 kg), however, their growth rate (0.011 kg / day for females) is greater than the males\' (0.007 kg / day for males), i.e., females reach weight stabilization faster than males.

Orientador: Víctor Hugo Lachos Dávila / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-20T06:44:43Z (GMT). No. of bitstreams: 1 Matos_LarissaAvila_M.pdf: 2008810 bytes, checksum: 0aee0c4f4bbf58ba67490d26cdd300ba (MD5) Previous issue date: 2012 / Resumo: Modelos mistos são geralmente usados para representar dados longitudinais ou de medidas repetidas. Uma complicação adicional surge quando a resposta é censurada, por exemplo, devido aos limites de quantificação do ensaio utilizado. Distribuições normais para os efeitos aleatórios e os erros residuais são geralmente assumidas, mas tais pressupostos fazem as inferências vulneráveis, 'a presença de outliers. Motivados por uma preocupação da sensibilidade para potenciais outliers ou dados com caudas mais pesadas do que a normal, pretendemos desenvolver nessa dissertação, inferência para modelos lineares e não lineares de efeito misto censurados (NLMEC / LMEC) com base na distribui ção t- Student multivariada, sendo uma alternativa flexível ao uso da distribuição normal correspondente. Propomos um algoritmo ECM para computar as estimativas de máxima verossimilhança para os NLMEC / LMEC. Este algoritmo utiliza expressões fechadas no passo-E, que se baseia em fórmulas para a média e a variância de uma distribui ção t-multivariada truncada. O algoritmo proposto é implementado, pacote tlmec do R. Também propomos aqui um algoritmo ECM exato para os modelos lineares e não lineares de efeito misto censurados, com base na distribuição normal multivariada, que nos permite desenvolver análise de influência local para modelos de efeito misto com base na esperança condicional da função log-verossilhança dos dados completos. Os procedimentos desenvolvidos são ilustrados com a análise longitudinal da carga viral do HIV, apresentada em dois estudos recentes sobre a AIDS / Abstract: Mixed models are commonly used to represent longitudinal or repeated measures data. An additional complication arises when the response is censored, for example, due to limits of quantification of the assay used. Normal distributions for random effects and residual errors are usually assumed, but such assumptions make inferences vulnerable to the presence of outliers. Motivated by a concern of sensitivity to potential outliers or data with tails longer-than-normal, we aim to develop in this dissertation inference for linear and nonlinear mixed effects models with censored response (NLMEC/LMEC) based on the multivariate Student-t distribution, being a flexible alternative to the use of the corresponding normal distribution. We propose an ECM algorithm for computing the maximum likelihood estimates for NLMEC/LMEC. This algorithm uses closed-form expressions at the E-step, which relies on formulas for the mean and variance of a truncated multivariate-t distribution. The proposed algorithm is implemented in the R package tlmec. We also propose here an exact ECM algorithm for linear and nonlinear mixed effects models with censored response based on the multivariate normal distribution, which enable us to developed local influence analysis for mixed effects models on the basis of the conditional expectation of the complete-data log-likelihood function. The developed procedures are illustrated with two case studies, involving the analysis of longitudinal HIV viral load in two recent AIDS studies / Mestrado / Estatistica / Mestre em Estatística

A teoria do valor extremo é aplicada em áreas de pesquisa tais como hidrologia, estudos de poluição, engenharia de materiais, controle de tráfego e economia. A distribuição valor extremo ou Gumbel é amplamente utilizada na modelagem de valores extremos de fenômenos da natureza e no contexto de análise de sobrevivência para modelar o logaritmo do tempo de vida. A modelagem de valores extremos de fenômenos da natureza tais como velocidade de vento, nível da água de rio ou mar, altura de onda ou umidade é importante em estatística ambiental pois o conhecimento de valores extremos de tais eventos é crucial na prevenção de catátrofes. Ultimamente esta teoria é de particular interesse pois fenômenos extremos da natureza têm sido mais comuns e intensos. A maioria dos artigos sobre teoria do valor extremo para modelagem de dados considera amostras de tamanho moderado ou grande. A distribuição Gumbel é frequentemente incluída nas análises mas a qualidade do ajuste pode ser pobre em função de presença de ouliers. Investigamos modelagem estatística de eventos extremos com base na teoria de valores extremos. Consideramos um modelo de regressão valor extremo introduzido por Barreto-Souza & Vasconcellos (2011). Os autores trataram da questão de corrigir o viés do estimador de máxima verossimilhança para pequenas amostras. Nosso primeiro objetivo é deduzir ajustes para testes de hipótese nesta classe de modelos. Derivamos a estatística da razão de verossimilhanças ajustada de Skovgaard (2001) e cinco ajustes da estatística da razão de verossimilhanças sinalizada, que foram propostos por Barndorff-Nielsen (1986, 1991), DiCiccio & Martin (1993), Skovgaard (1996), Severini (1999) e Fraser et al. (1999). As estatísticas ajustadas são aproximadamente distribuídas como uma distribuição $\\chi^2$ e normal padrão com alto grau de acurácia. Os termos dos ajustes têm formas compactas simples que podem ser facilmente implementadas em softwares disponíveis. Comparamos a performance do teste da razão de verossimilhanças, do teste da razão de verossimilanças sinalizada e dos testes ajustados obtidos neste trabalho em amostras pequenas. Ilustramos uma aplicação dos testes usuais e suas versões modificadas em conjuntos de dados reais. As distribuições das estatísticas ajustadas são mais próximas das respectivas distribuições limites comparadas com as distribuições das estatísticas usuais quando o tamanho da amostra é relativamente pequeno. Os resultados de simulação indicaram que as estatísticas ajustadas são recomendadas para inferência em modelo de regressão valor extremo quando o tamanho da amostra é moderado ou pequeno. Parcimônia é importante quando os dados são escassos, mas flexibilidade também é crucial pois um ajuste pobre pode levar a uma conclusão completamente errada. Uma revisão da literatura foi feita para listar as distribuições que são generalizações da distribuição Gumbel. Nosso segundo objetivo é avaliar a parcimônia e flexibilidade destas distribuições. Com este propósito, comparamos tais distribuições através de momentos, coeficientes de assimetria e de curtose e índice da cauda. As famílias mais amplas obtidas pela inclusão de parâmetros adicionais, que têm a distribuição Gumbel como caso particular, apresentam assimetria e curtose flexíveis enquanto a distribuição Gumbel apresenta tais características constantes. Dentre estas distribuições, a distribuição valor extremo generalizada é a única com índice da cauda que pode ser qualquer número real positivo enquanto os índices da cauda das outras distribuições são zero. Observamos que algumas generalizações da distribuição Gumbel estudadas na literatura são não identificáveis. Portanto, para estes modelos a interpretação e estimação de parâmetros individuais não é factível. Selecionamos as distribuições identificáveis e as ajustamos a um conjunto de dados simulado e a um conjunto de dados reais de velocidade de vento. Como esperado, tais distribuições se ajustaram bastante bem ao conjunto de dados simulados de uma distribuição Gumbel. A distribuição valor extremo generalizada e a mistura de duas distribuições Gumbel produziram melhores ajustes aos dados do que as outras distribuições na presença não desprezível de observações discrepantes que não podem ser acomodadas pela distribuição Gumbel e, portanto, sugerimos que tais distribuições devem ser utilizadas neste contexto. / The extreme value theory is applied in research fields such as hydrology, pollution studies, materials engineering, traffic management, economics and finance. The Gumbel distribution is widely used in statistical modeling of extreme values of a natural process such as rainfall and wind. Also, the Gumbel distribution is important in the context of survival analysis for modeling lifetime in logarithmic scale. The statistical modeling of extreme values of a natural process such as wind or humidity is important in environmental statistics; for example, understanding extreme wind speed is crucial in catastrophe/disaster protection. Lately this is of particular interest as extreme natural phenomena/episodes are more common and intense. The majority of papers on extreme value theory for modeling extreme data is supported by moderate or large sample sizes. The Gumbel distribution is often considered but the resulting fit may be poor in the presence of ouliers since its skewness and kurtosis are constant. We deal with statistical modeling of extreme events data based on extreme value theory. We consider a general extreme-value regression model family introduced by Barreto-Souza & Vasconcellos (2011). The authors addressed the issue of correcting the bias of the maximum likelihood estimators in small samples. Here, our first goal is to derive hypothesis test adjustments in this class of models. We derive Skovgaard\'s adjusted likelihood ratio statistics Skovgaard (2001) and five adjusted signed likelihood ratio statistics, which have been proposed by Barndorff-Nielsen (1986, 1991), DiCiccio & Martin (1993), Skovgaard (1996), Severini (1999) and Fraser et al. (1999). The adjusted statistics are approximately distributed as $\\chi^2$ and standard normal with high accuracy. The adjustment terms have simple compact forms which may be easily implemented by readily available software. We compare the finite sample performance of the likelihood ratio test, the signed likelihood ratio test and the adjusted tests obtained in this work. We illustrate the application of the usual tests and their modified versions in real datasets. The adjusted statistics are closer to the respective limiting distribution compared to the usual ones when the sample size is relatively small. Simulation results indicate that the adjusted statistics can be recommended for inference in extreme value regression model with small or moderate sample size. Parsimony is important when data are scarce, but flexibility is also crucial since a poor fit may lead to a completely wrong conclusion. A literature review was conducted to list distributions which nest the Gumbel distribution. Our second goal is to evaluate their parsimony and flexibility. For this purpose, we compare such distributions regarding moments, skewness, kurtosis and tail index. The larger families obtained by introducing additional parameters, which have Gumbel embedded in, present flexible skewness and kurtosis while the Gumbel distribution skewness and kurtosis are constant. Among these distributions the generalized extreme value is the only one with tail index that can be any positive real number while the tail indeces of the other distributions investigated here are zero. We notice that some generalizations of the Gumbel distribution studied in the literature are not indetifiable. Hence, for these models meaningful interpretation and estimation of individual parameters are not feasible. We select the identifiable distributions and fit them to a simulated dataset and to real wind speed data. As expected, such distributions fit the Gumbel simulated data quite well. The generalized extreme value distribution and the two-component extreme value distribution fit the data better than the others in the non-negligible presence of outliers that cannot be accommodated by the Gumbel distribution, and therefore we suggest them to be applied in this context.

A avicultura é uma das principais atividades agropecuárias do Brasil, em 2011 o país produziu 12.230 toneladas de carne de frango, sendo o 3º maior produtor de frango do mundo, apenas atrás dos EUA e China. Parte deste êxito se deve principalmente ao melhoramento genético animal implantado nas últimas décadas. Os objetivos nesse estudo foram: 1º - Comparar as funções das curvas de crescimento: von Bertalanffy, Gompertz, Logística, Richards e Brody, pelo método dos Mínimos Quadrados Ordinários (QMO) e Quadrados Mínimos Ponderados (QMP) a dados de peso vivo para as linhagens experimentais de frango caipira (7P, Caipirão da ESALQ, Caipirinha da ESALQ e Carijó Barbado) e selecionar uma curva de crescimento que melhor descreva o padrão de crescimento para cada linhagem, e estimar os componentes genéticos (herdabilidades e correlações genéticas) dos parâmetros destas funções sob análise bicaracterística; 2º - Comparar modelos com diferentes ordens de ajuste por meio de funções polinomiais de Legendre, sob modelos de regressão aleatória, com variância residual heterogênea, para a estimação dos componentes de (co) variância e avaliação genética de linhagens experimentais de frango caipira (7P, Caipirão da ESALQ, Caipirinha da ESALQ e Carijó Barbado). O modelo que melhor se adequou a curva de crescimento para as linhagens estudadas foi à função de Gompertz ajustado pelo método dos Quadrados Mínimos Ponderados (QMP). Os parâmetros genéticos estimados para as medidas e dos modelos Gompertz ponderado podem ser utilizados como critérios de seleção, pois parecem ter efeito genético considerável para estas características. No entanto, deve-se haver cautela na utilização do parâmetro como critério de seleção para a linhagem Carijó Barbado devido a baixa herdabilidade. As correlações genéticas e fenotípicas entre as características e foram negativas e altas. Indicando que quanto maior o peso assintótico menor a taxa de crescimento. Dentre os modelos de Regressão Aleatória estudados o polinômio de 3ª ordem foi o que melhor se adequou para descrever as curvas de crescimento das linhagens estudadas. As estimativas de variâncias, herdabilidades foram afetadas pela modelagem da variância residual. Em geral as herdabilidades estimadas para as idades de 1 a 84 dias variaram de moderadas a altas para as linhagens estudadas, indicando que qualquer idade pode ser utilizada como critério de seleção. A seleção aos 42 dias de idade pode ser mantida como critério de seleção. / Aviculture is one of the main agribusiness activities in Brazil, in 2011 the country produced 12,230 tons of broiler meat, was the 3rd largest producer of broiler in the world, only behind the USA and China. Part of this success is mainly due to animal genetic improvement implemented in recent decades. In this study, our objectives were: 1 - to compare the functions of the Von Bertalanffy, Gompertz, Logistic, Richards and Brody growth curves by the Ordinary Least Squares and Weighted Least Squares method, from data for body weight from experimental free-range chicken lines (7P, Caipirão da ESALQ, Caipirinha da ESALQ and Carijó Barbado) and select a growth curve that best describes their growth. From this, estimates of the genetic components (heritability and genetic correlations) of the parameters of these functions under bivariate analysis; 2 - Comparing models with different orders of adjustment by means of Legendre polynomial functions under random regression models with heterogeneous residual variance for the estimation of (co) variance and genetic evaluation of experimental free-range chicken lines (7P, Caipirão da ESALQ, Caipirinha da ESALQ and Carijó Barbado). The model that best adapted the growth curve for all lines studied was the Gompertz function adjusted using weighted least squares. Genetic parameters for measurements and can be used as selection criteria because they seem to have considerable genetic effects for these characteristics. There should be caution in using the parameter as a selection criterion for the Carijó Barbado line due to low heritability. The genetic and phenotypic correlations between traits and were negative and high, indicating that the higher the asymptotic weight, the lower the growth rate. Among the Random Regression models studied the 3rd order polynomial was best adapted to describe the growth curves of the lines studied. Estimates of variances and heritabilities were affected by residual variance modeling. Overall heritability estimates between 1 to 84 days of age ranged from moderate to high for all lines, indicating that any age can be used as a selection criterion, including maintaining the current selection at 42 days of age.

Os modelos normais de regressão têm sido utilizados durante muitos anos para a análise de dados. Mesmo nos casos em que a normalidade não podia ser suposta, tentava-se algum tipo de transformação com o intuito de alcançar a normalidade procurada. No entanto, na prática, essas suposições sobre normalidade e linearidade nem sempre são satisfeitas. Como alternativas à técnica clássica, foram desenvolvidas novas classes de modelos de regressão. Nesse contexto, focamos a classe de modelos em que a distribuição assumida para a variável resposta pertence à classe de distribuições simétricas. O objetivo geral desse trabalho é a modelagem desta classe no contexto bayesiano, em particular a modelagem da classe de modelos não-lineares heterocedásticos simétricos. Vale ressaltar que esse trabalho tem ligação com duas linhas de pesquisa, a saber: a inferência estatística abordando aspectos da teoria assintótica e a inferência bayesiana considerando aspectos de modelagem e critérios de seleção de modelos baseados em métodos de simulação de Monte Carlo em Cadeia de Markov (MCMC). Uma primeira etapa consiste em apresentar a classe dos modelos não-lineares heterocedásticos simétricos bem como a inferência clássica dos parâmetros desses modelos. Posteriormente, propomos uma abordagem bayesiana para esses modelos, cujo objetivo é mostrar sua viabilidade e comparar a inferência bayesiana dos parâmetros estimados via métodos MCMC com a inferência clássica das estimativas obtidas por meio da ferramenta GAMLSS. Além disso, utilizamos o método bayesiano de análise de influência caso a caso baseado na divergência de Kullback-Leibler para detectar observações influentes nos dados. A implementação computacional foi desenvolvida no software R e para detalhes dos programas pode ser consultado aos autores do trabalho / The normal regression models have been used for many years for data analysis. Even in cases where normality could not be assumed, was trying to be some kind of transformation in order to achieve the normality sought. However, in practice, these assumptions about normality and linearity are not always satisfied. As alternatives to classical technique new classes of regression models were developed. In this context, we focus on the class of models in which the distribution assumed for the response variable belongs to the symmetric distributions class. The aim of this work is the modeling of this class in the bayesian context, in particular the modeling of the nonlinear models heteroscedastic symmetric class. Note that this work is connected with two research lines, the statistical inference addressing aspects of asymptotic theory and the bayesian inference considering aspects of modeling and criteria for models selection based on simulation methods Monte Carlo Markov Chain (MCMC). A first step is to present the nonlinear models heteroscedastic symmetric class as well as the classic inference of parameters of these models. Subsequently, we propose a bayesian approach to these models, whose objective is to show their feasibility and compare the estimated parameters bayesian inference by MCMC methods with the classical inference of the estimates obtained by GAMLSS tool. In addition, we use the bayesian method of influence analysis on a case based on the Kullback-Leibler divergence for detecting influential observations in the data. The computational implementation was developed in the software R and programs details can be found at the studys authors

Diversos modelos têm sido propostos na literatura com o objetivo de analisar dados de sobrevivência em que a população sob estudo é assumida ser uma mistura de indivíduos suscetíveis (em risco) e não suscetíveis a um específico evento de interesse. Tais modelos são usualmente denominados modelos com sobreviventes de longa duração ou modelos com fração de cura. Neste trabalho, diversos desses modelos (nos contextos paramétrico e semi-paramétrico) foram considerados para analisar os dados de um ensaio clínico aleatorizado conduzido com o objetivo de comparar três estratégias terapêuticas (cirurgia, angioplastia e medicamentoso) utilizadas no tratamento de pacientes com doença coronariana multiarterial. Em todos os modelos, as funções de ligação logito e complemento log-log foram utilizadas para modelar a proporção de sobreviventes de longa duração (indivíduos não suscetíveis). Quanto à função de sobrevivência dos indivíduos suscetíveis, foram utilizados os modelos de Weibull e de Cox. Covariáveis foram consideradas tanto na proporção de sobreviventes de longa duração quanto na função de sobrevivência dos indivíduos suscetíveis. De modo geral, os modelos considerados se mostraram adequados para analisar os dados do ensaio clínico aleatorizado, indicando a cirurgia como a estratégia terapêutica mais eficiente. Indicaram também, que as covariáveis idade, hipertensão e diabetes mellitus exercem influência na ocorrência do óbito cardíaco, mas não no tempo até a ocorrência deste óbito nos pacientes suscetíveis. / Several models have been proposed in the literature with the aim of analyzing survival data when the population under study is assumed to be a mixture of susceptible (at risk) and not susceptible individuals to a specific event of interest. Such models are usually called long-term survivors models or cure rate models. In this work, several of these models (under both parametric and semi-parametric approaches) were considered to analyze the data from a randomized clinical trial conducted in order to compare three therapeutic strategies (surgery, angioplasty and medicine) used in the treatment of patients with multivessel coronary artery disease. For all models the logit and complementary log-log link functions were used to model the proportion of long-term survivors (not susceptible individuals). In regards to the survival function of the susceptible individuals, the Weibull and Cox models were used. Covariates were considered both in the proportion of longterm survivors and in the survival function of the susceptible individuals. Overall, the models considered were suitable for analyzing the data from the randomized clinical trial indicating surgery as the most effective therapeutic strategy. They also indicated that the covariates age, hypertension and diabetes mellitus exhibit influence on the occurrence of cardiac death, but not on the time to the occurrence of this death in susceptible patients.

A principal fonte de proteína na nutrição dos ruminantes é a proteína de origem microbiana, sintetizada no processo fermentativo de degradação ruminal a partir de proteína dietética ou microbiana. Logo o conhecimento deste processo é de grande importância em estudos de avaliação de alimentos para estes animais. Modelos não lineares são amplamente utilizados nestes estudos, buscando estimar os parâmetros da cinética de degradação ruminal através de métodos clássicos de análise univariada. Como estes ensaios envolvem medidas repetidas, propõem-se o uso de modelos não lineares mistos que permitem que a função de regressão não linear dependa de efeitos fixos e aleatórios, o que pode resolver os problemas de correlação entre as medidas repetidas e heterogeneidade de variâncias das respostas. Neste trabalho foram utilizadas duas alternativas comuns de análise de dados de digestibilidade, e seus resultados foram comparados com os da abordagem que utiliza modelos não lineares mistos. Utilizou-se o modelo não linear de Orskov e McDonald (1979) para explicar a cinética de degradação ruminal da matéria seca (MS) e da fibra em detergente neutro (FDN) do feno de capim-Tifton 85, em novilhos alimentados com seis rações experimentais compostas por três diferentes combinações de volumoso(Vo):concentrado(Co) (70:30, 50:50 e 30:70%). Como volumoso foram utilizados fenos de capim-Tifton 85 de diferentes qualidades (4% e 10% de proteína bruta) e como concentrado, casca de soja, milho moído e farelo de girassol. A degradabilidade foi determinada pela técnica in situ e os dez tempos de incubação foram de: 3, 6, 12, 24, 48, 60, 72, 84, 96 e 120 horas. Originalmente o experimento foi delineado em quadrado latino (6×6) com seis novilhos mestiços fistulados (linhas), seis períodos (colunas) e seis tratamentos, em que nas parcelas tem-se uma estrutura de parcelas subdivididas, sendo as subparcelas, os tempos de incubação. O uso de modelos não lineares mistos na análise de dados de digestibilidade in situ é bastante atraente principalmente quando a pesquisa tem por objetivo entender o comportamento do processo de digestibilidade ao longo dos tempos de incubação. Além disso, quanto maior a variabilidade dos dados, a abordagem mista se torna mais indicada, reduzindo os erros padrão das estimativas dos parâmetros. Mesmo não incluindo a estrutura de delineamento experimental, os modelos não lineares mistos conseguem explicar bem a variabilidade extra, provocada pelos efeitos dos fatores associados ao delineamento, com a inclusão de efeitos aleatórios nos parâmetros do modelo de Orskov e McDonald (1979). O pacote estatístico nlme do R mostrou-se ágil e eficiente no ajuste dos modelos não lineares mistos e as suas ferramentas gráficas foram importantes na avaliação da qualidade dos ajustes e na escolha de modelos. / The main source of protein in ruminant nutrition is the protein of microbial origin, synthesized in the fermentation process of ruminal degradation starting from dietetics or microbial protein. Then, the knowledge of this process is of great importance in evaluation studies of food for these animals. Nonlinear models are widely used in these studies to estimate the parameters of ruminal degradation kinetics through the classical methods of univariate analysis. As these trials involve repeated measurements, we propose the use of nonlinear mixed models which allows that the nonlinear regression function depends on fixed and random effects, which can solve the problems of correlation between the repeated measurements and heterogeneity of variances of the responses. In this work, we used two common alternatives of digestibility data analysis, and their results were compared with the approach which uses nonlinear mixed model. We used the nonlinear model of Orskov and McDonald (1979) to explain the kinetics of ruminal degradation of dry matter (MS) and neutral detergent fiber (FDN) of the hay grass-Tifton 85, in steers fed experimental with six diets composed of three different combinations of forage(Vo):concentrate(Co) (70:30, 50:50 and 30:70%). As forage, we used hay grass-Tifton 85 of different qualities (4% and 10% crude protein) and as concentrate, soybean hulls, corn and sunflower meal. The degradability was determined by the in situ technique and the incubation times were 3, 6, 12, 24, 48, 60, 72, 84, 96 and 120 hours. Originally the experiment was designed as a Latin square (6 × 6) with six fistulated crossbred steers (lines), six periods (columns) and six treatments, in which the plots have a splitplot structure where the subplots were considered the times of incubation. The use of nonlinear mixed models in the analysis of the in situ digestibility data is quite attractive especially when the research aims to understand the process behavior digestibility over the incubation times. Moreover, the higher the variability of the data, the mixed approach becomes more suitable, reducing standard errors of the estimated parameters. Even excluding the structure of experimental design, the linear mixed models can explain well the extra variability caused by the effects of the factors associated with the design, with the inclusion of random effects in the model parameters of Orskov and McDonald (1979). The R statistical package nlme proved to be agile and efficient for the adjustment of nonlinear mixed models and its graphical tools were important in evaluating the quality of the adjustments and the choice of models.

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.

O teste de Salmonella/microssoma é um ensaio biológico amplamente utilizado para avaliar o potencial mutagênico de substâncias que podem colocar em risco a saúde humana e a qualidade ambiental. A variável resposta é constituída pela contagem do número de colônias revertentes em cada placa, entretanto geralmente há dois efeitos confundidos, o de toxicidade e o de mutagenicidade. Alguns modelos foram propostos para a análise dos dados desses experimentos, que nem sempre apresentam bons ajustes e não consideram explicitamente interações. Há, ainda, poucas plataformas computacionais disponíveis que integram todas essas propostas e forneçam critérios para a seleção adequada de um modelo. Além disso, geralmente é difícil comparar os efeitos de diferentes substâncias sobre as várias linhagens da bactéria, então medidas com interpretação biológica direta são necessárias. Neste trabalho, foram investigadas as propriedades dos preditores dos modelos tradicionais, bem como o comportamento das distribuições amostrais dos estimadores dos parâmetros desses modelos, na presença de diversos níveis de superdispersão. Também, foram realizados experimentos com as linhagens TA98 e TA100 da bactéria, expostas aos inseticidas, metabolizados e não-metabolizados, Fipronil e Tiametoxam, dois agroquímicos bastante utilizados no Brasil. Aos dados desses experimentos foram ajustados diversos modelos, tanto aqueles tradicionalmente utilizados, quanto novos modelos, alguns baseados na regressão de Skellam e outros com interações explícitas. Para tal, foi obtida uma nova classe de modelos chamada de modelos não-lineares vetoriais generalizados e foi desenvolvido um pacote computacional em linguagem R, intitulado \"ames\", para o ajuste, diagnóstico e seleção de modelos. Por fim, foram propostas medidas de interesse biológico, baseadas nos modelos selecionados, para avaliação de risco e do comprometimento do material genético e intervalos de confiança bootstrap paramétrico foram obtidos. Dentre os modelos tradicionais, aqueles cujas distribuições amostrais dos estimadores possuem melhor aproximação normal foram os de Bernstein, Breslow e Myers. Estes resultados forneceram um critério prático para a seleção de modelos, particularmente nas situações em que as medidas de AIC e de bondade de ajuste, os testes de razão de verossimilhanças e a análise de resíduos ou são pouco informativos ou simplesmente não podem ser aplicados. A partir dos modelos selecionados, pode-se concluir que a interação do fator de metabolização é significativa para a linhagem TA98 exposta ao Fipronil, tanto com relação aos efeitos tóxicos quanto aos efeitos mutagênicos; que o mecanismo de ação do Tiametoxam sobre a linhagem TA98 é completamente diferente quando o produto está metabolizado; e que, para a linhagem TA100, não houve efeito de metabolização considerando ambos os agroquímicos. Baseando-se nas medidas propostas, pode-se concluir que o Tiametoxam oferece os maiores riscos de contaminação residual, ainda que o Fipronil apresente os maiores índices de mutagenicidade. / The Salmonella/microsome test is a widely accepted biological assay used to evaluate the mutagenic potential of substances, which can compromise human health and environment quality. The response variable in such experiments is typically the total number of reverts per plate, which, in turn, is the result of the confounded effects of mutagenicity and toxicity. Despite of some statistical models have already been established in the literature, they do not always fit well and neither explicitly consider interaction terms. Besides, there is just a number of available software able to handle these different approaches, usually lacking of global performance and model selection criteria. Also, it is often a hard task to compare the effects of different chemicals over the several available strains to perform the assay, and, thus, direct measures of biological implications are required. In this work, the properties of the predictors in each traditional model were investigated, as well as the behavior of the sampling distributions of the parameter estimators of these models, in different levels of overdispersion. Also, experiments using TA98 and TA100 strains were perfomed, by exposition to two insecticides, namely Fipronil and Thiamethoxam, currently used in Brazil, each of them prior and after to a metabolization processes. Then, the traditional models, empirical regression models based on the Skellam distribution and also compound mechanistic-empirical models with explicit interaction terms were fitted to the data. In order to use a single fitting framework, a new class of models was presented, namely the vector generalized nonlinear models, and a R language package, entitled \"ames\", was developed for fitting, diagnosing and selection of models. Finally, some measures of biological interest were approached based on the selected models for the data, in the contexts of risk evaluation and of DNA damage cautioning. Confidence intervals for such measures were provided using bootstrap percentiles. Among the traditional models, the ones from Bernstein, Breslow and Myers were those whose sampling distributions presented the best normal approximations. These results provided a practical criterion for model selection, particularly in situations where measures as AIC and goodness of fit, likelihood ratio tests, and residual analysis are non informative or simply cannot be applied. From the final selected models, it was inferred that the interactions between the metabolization factor is significative for TA98 strain exposed to Fipronil, regarding both, mutagenic and toxic effects; that the dynamics between mutagenicity and toxicity are different when Thiamethoxam is metabolized compared to when it is not; and that there was no evidence to consider metabolization factor interactions for the TA100 strain data exposed to neither of the insecticides. By appling the referred measures of biological interest, it was concluded that the use of Thiamethoxam provides greater residual contamination risks and that Fipronil causes higher mutagenicity indices.