Este trabalho objetiva apresentar um estudo detalhado e sistemático de algumas condições de regularidade para inferências baseadas em máxima verossimilhança no modelo de regressão elíptico multivariado com parametrização geral proposto em Lemonte e Patriota (2011). O modelo em estudo tem vários modelos importantes como casos particulares, entre eles temos os modelos lineares e não lineares homocedásticos e heterocedásticos, modelos mistos, modelos heterocedásticos com erros nas variáveis e na equação, modelos multiníveis, entre outros. As condições de regularidade estudadas estão associadas à identificabilidade do modelo, à existência, à unicidade, à consistência e à normalidade assintótica dos estimadores de máxima verossimilhança (EMV) e à distribuição assintótica das estatísticas de testes. Para isso, são enunciadas as condições suficientes e formalizados os teoremas que garantem a existência, unicidade, consistência e normalidade assintótica dos EMV e a distribuição assintótica das estatísticas de teste usuais. Além disso, os resultados de cada teorema são comentados e as demonstrações são apresentadas com detalhes. Inicialmente, considerou-se o modelo sob a suposição de normalidade dos erros, para, na sequência, ser possível generalizar os resultados para o caso elíptico. A fim de exemplificar os resultados obtidos, foram verificadas, analiticamente, a validade de algumas condições e os resultados de alguns teoremas em casos particulares do modelo geral. Ademais, foi desenvolvido um estudo de simulação em que uma das condições é violada adotando o modelo heterocedástico com erros nas variáveis e na equação. Por meio de simulações de Monte Carlo foram avaliados os impactos sobre a consistência e normalidade assintótica dos EMV. / This work aims to present a detailed and systematic study of some regularity conditions for inferences based on maximum likelihood in the multivariate elliptic regression model with general parameterization proposed in Lemonte and Patriota (2011). The model under study has several important models as particular cases, among them we have the linear and non-linear homocedastic and heterocedastic models, mixed models, heterocedastic models with errors in the variables and in the equation, multilevel models, among others. The regularity conditions studied are associated with the identifiability of the model, existence, uniqueness, consistency and asymptotic normality of the maximum likelihood estimators (MLE) and the asymptotic distribution of some test statistics. Sufficient conditions are stated to guarantee the existence, unicity, consistency and asymptotic normality of the MLE and the asymptotic distribution of the usual test statistics. In addition, the results of each theorem are commented and the proof are presented in detail. Initially, the model was considered under the assumption of normality of the errors, and then the results were generalized for the elliptical case. In order to exemplify the attained results, some particular cases of the general model are analyzed analytically, the validity of some conditions and the results of some theorems are verified. In addition, a simulation study is developed with one of the conditions violated under the heterocedastic model with errors in the variables and in the equation. By means of Monte Carlo simulations, the impacts of this violation on the consistency and the asymptotic normality of the MLE are evaluated.

Apresentamos algumas aplicações de ferramentas estatísticas que são comumente utilizadas na melhoria da qualidade de processos industriais. Inicialmente, desenvolveu-se procedimentos para testar a competência de laboratórios que participam de programas de ensaios de proficiência. Em situações onde os laboratórios medem várias vezes no mesmo ponto, utilizou-se o modelo de erros de medição, proposto por Jaech [39](1985). Além disso, a inferência sobre os parâmetros de tendência aditiva foi generalizada para a classe de distribuições elípticas. A competência dos laboratórios é avaliada pelo teste da razão de verossimilhança generalizada, do qual, obtemos a distribuição exata para a estatística proposta. Em situações onde os laboratórios medem várias vezes em vários pontos e a variável em análise apresenta variações naturais, utilizou-se o modelo com erro nas variáveis. Diante disso, vamos estender o modelo estrutural definido em Barnett [13] (1969) para o modelo ultra-estrutural com réplicas. Neste caso, vamos avaliar não somente a tendência aditiva, mas também, a tendência multiplicativa, ou seja, avaliar a linearidade das medições. As estimativas dos parâmetros foram obtidas via procedimento do algorítmo EM, com isso, desenvolvemos os teste de Wald, razão de verossimilhança e escore para avaliar a competência dos laboratórios. Nos dois modelos propostos, generalizamos o erro normalizado (En) sugerido pelo Guia 43 [37] para testar a competência dos laboratórios participantes de programas de ensaio de proficiência. Apresentamos também, um procedimento para calcular índices de performance para processos univariados e multivariados. Nestes casos, consideramos que a distribuição dos dados segue uma distribuição Normal assimétrica. Além disso, apresentamos uma análise de simulação onde concluímos que a presença de assimetria nos dados pode causar interpretações erradas sobre o processo, quando a distribuição assumida para os dados é a Normal / We present some applications of statistical tools that are used in the improvement of the quality of industrial processes. Initially, we develop procedures to test the ability of laboratories that participate of programs of proficiency test. In situations where the laboratories measure several times in the same point, we use the model of errors of measurement, considered for Jaech [39](1985). Moreover, the inference on the parameters additive bias was generalized for the class of elliptical distributions. The ability of the laboratories is evaluated by the generalized likelihood ratio test, of which, we get the accurate distribution for the statistics proposal. In situations where the laboratories measure some times in some points and the variable in analysis presents natural variations, uses the model with error in the variable. With this, we go to extend the model structural defined in Barnett [13] (1969) for the ultrastructural model with replicate. In this case, we go to not only evaluate the bias additive, but also, the bias multiplicative, that is, to evaluate the linearity of the measurements. The estimates of the parameters had been gotten by the procedure of the EM algorithm, with this, develop of Wald, likelihood ratio and score test to evaluate the ability of the laboratories. In the two considered models, we generalize the normalized error (En) suggested for Guide 43 [37] to test the ability of the participant laboratories of programs of proficiency test. We also present, a procedure to calculate index of performance for univariate and multivariate processes. In these cases, we consider that the distribution of the data follows a skew Normal distribution. Moreover, we present a simulation analysis where we conclude that the presence of asymmetry in the data can cause interpretations missed on the process, when the distribution assumed for the data is the Normal

Neste trabalho estendemos os modelos mistos semiparamétricos propostos por Zhang et al. (1998) para uma classe mais geral de modelos, a qual denominamos modelos mistos aditivos semiparamétricos com erros de contornos elípticos. Com essa nova abordagem, flexibilizamos a curtose da distribuição dos erros possibilitando a escolha de distribuições com caudas mais leves ou mais pesadas do que as caudas da distribuição normal padrão. Funções de verossimilhança penalizadas são aplicadas para a obtenção das estimativas de máxima verossimilhança com os respectivos erros padrão aproximados. Essas estimativas, sob erros de caudas pesadas, são robustas no sentido da distância de Mahalanobis contra observações aberrantes. Curvaturas de influência local são obtidas segundo alguns esquemas de perturbação e gráficos de diagnóstico são propostos. Exemplos ilustrativos são apresentados em que ajustes sob erros normais são comparados, através das metodologias de sensibilidade desenvolvidas no trabalho, com ajustes sob erros de contornos elípticos. / In this work we extend the models proposed by Zhang et al. (1998) to a more general class of models, know as semiparametric additive mixed models with elliptical errors in order to allow distributions with heavier or lighter tails than the normal ones. Penalized likelihood equations are applied to derive the maximum likelihood estimates which appear to be robust against outlying observations in the sense of the Mahalanobis distance. In order to study the sensitivity of the penalized estimates under some usual perturbation schemes in the model or data, the local influence curvatures are derived and some diagnostic graphics are proposed. Motivating examples preliminary analyzed under normal errors are reanalyzed under some appropriate elliptical errors. The local influence approach is used to compare the sensitivity of the model estimates.

A análise fatorial é uma importante ferramenta estatística que tem amplas aplicações práticas e explica a correlação entre um grande número de variáveis observáveis em termos de um pequeno número de variáveis não observáveis, conhecidas como variáveis latentes. A proposta deste trabalho é fazer a análise Bayesiana, que incorpora à análise o conhecimento que se tenha sobre os parâmetros antes da coleta dos dados, do modelo fatorial dinâmico na classe de modelos elípticos multivariados, assumindo que a um vetor de q séries temporais pode-se ajustar um modelo fatorial com k < q fatores mais um ruído branco, e que a parte latente segue um modelo vetorial auto-regressivo. A classe de modelos elípticos citada acima é rica em distribuições simétricas com caudas mais pesadas que as da distribuição normal, característica importante na análise de séries financeiras. Essa classe inclui as distribuições t de Student, exponencial potência, normal contaminada, entre outras. A inferência sobre os parâmetros foi feita utilizando métodos de Monte Carlo via Cadeias de Markov, com os algoritmos Metropolis-Hastings e Griddy-Gibbs, através da obtenção das distribuições a posteriori dos parâmetros e dos fatores. A determinação da convergência do processo foi feita por técnicas gráficas e pelos métodos de Geweke (1992), de Heidelberger e Welch (1983) e Half-Width. O método foi ilustrado usando dados reais e simulados. / The factor analysis is an important statistical tool that has wide practical applications and it explains the correlation among a large number of observable variables in terms of a small number of unobservable variables, known as latent variables. The proposal of this work is the Bayesian analysis, which incorporates the information we have concerning the parameters before collecting data into the analysis of a dynamical factor model in the class of multivariate elliptical models, where the factors follow a multivariate autoregressive model, assuming that a vector of q time series can be adjusted with k < q factors and a white noise. The class of elliptical models is rich in symmetrical distributions with heavier tails than the normal distribution, which is an important characteristic in financial series analysis. This class includes t-Student, power exponential, contaminated normal and other distributions. The parameters inference was made through Monte Carlo Markov Chain methods, with Metropolis-Hastings and Griddy-Gibbs algorithms, by obtaining the parameters and factors posteriori distributions. The convergence process was made through graphical technics and by Geweke (1992) and by Heidelberger and Welch (1983) and Half- Width methods. The method was illustrated using simulated and real data.

A análise fatorial é uma importante ferramenta estatística que tem amplas aplicações práticas e explica a correlação entre um grande número de variáveis observáveis em termos de um pequeno número de variáveis não observáveis, conhecidas como variáveis latentes. A proposta deste trabalho é fazer a análise Bayesiana, que incorpora à análise o conhecimento que se tenha sobre os parâmetros antes da coleta dos dados, do modelo fatorial dinâmico na classe de modelos elípticos multivariados, assumindo que a um vetor de q séries temporais pode-se ajustar um modelo fatorial com k < q fatores mais um ruído branco, e que a parte latente segue um modelo vetorial auto-regressivo. A classe de modelos elípticos citada acima é rica em distribuições simétricas com caudas mais pesadas que as da distribuição normal, característica importante na análise de séries financeiras. Essa classe inclui as distribuições t de Student, exponencial potência, normal contaminada, entre outras. A inferência sobre os parâmetros foi feita utilizando métodos de Monte Carlo via Cadeias de Markov, com os algoritmos Metropolis-Hastings e Griddy-Gibbs, através da obtenção das distribuições a posteriori dos parâmetros e dos fatores. A determinação da convergência do processo foi feita por técnicas gráficas e pelos métodos de Geweke (1992), de Heidelberger e Welch (1983) e Half-Width. O método foi ilustrado usando dados reais e simulados. / The factor analysis is an important statistical tool that has wide practical applications and it explains the correlation among a large number of observable variables in terms of a small number of unobservable variables, known as latent variables. The proposal of this work is the Bayesian analysis, which incorporates the information we have concerning the parameters before collecting data into the analysis of a dynamical factor model in the class of multivariate elliptical models, where the factors follow a multivariate autoregressive model, assuming that a vector of q time series can be adjusted with k < q factors and a white noise. The class of elliptical models is rich in symmetrical distributions with heavier tails than the normal distribution, which is an important characteristic in financial series analysis. This class includes t-Student, power exponential, contaminated normal and other distributions. The parameters inference was made through Monte Carlo Markov Chain methods, with Metropolis-Hastings and Griddy-Gibbs algorithms, by obtaining the parameters and factors posteriori distributions. The convergence process was made through graphical technics and by Geweke (1992) and by Heidelberger and Welch (1983) and Half- Width methods. The method was illustrated using simulated and real data.

Neste trabalho estendemos os modelos mistos semiparamétricos propostos por Zhang et al. (1998) para uma classe mais geral de modelos, a qual denominamos modelos mistos aditivos semiparamétricos com erros de contornos elípticos. Com essa nova abordagem, flexibilizamos a curtose da distribuição dos erros possibilitando a escolha de distribuições com caudas mais leves ou mais pesadas do que as caudas da distribuição normal padrão. Funções de verossimilhança penalizadas são aplicadas para a obtenção das estimativas de máxima verossimilhança com os respectivos erros padrão aproximados. Essas estimativas, sob erros de caudas pesadas, são robustas no sentido da distância de Mahalanobis contra observações aberrantes. Curvaturas de influência local são obtidas segundo alguns esquemas de perturbação e gráficos de diagnóstico são propostos. Exemplos ilustrativos são apresentados em que ajustes sob erros normais são comparados, através das metodologias de sensibilidade desenvolvidas no trabalho, com ajustes sob erros de contornos elípticos. / In this work we extend the models proposed by Zhang et al. (1998) to a more general class of models, know as semiparametric additive mixed models with elliptical errors in order to allow distributions with heavier or lighter tails than the normal ones. Penalized likelihood equations are applied to derive the maximum likelihood estimates which appear to be robust against outlying observations in the sense of the Mahalanobis distance. In order to study the sensitivity of the penalized estimates under some usual perturbation schemes in the model or data, the local influence curvatures are derived and some diagnostic graphics are proposed. Motivating examples preliminary analyzed under normal errors are reanalyzed under some appropriate elliptical errors. The local influence approach is used to compare the sensitivity of the model estimates.

Apresentamos algumas aplicações de ferramentas estatísticas que são comumente utilizadas na melhoria da qualidade de processos industriais. Inicialmente, desenvolveu-se procedimentos para testar a competência de laboratórios que participam de programas de ensaios de proficiência. Em situações onde os laboratórios medem várias vezes no mesmo ponto, utilizou-se o modelo de erros de medição, proposto por Jaech [39](1985). Além disso, a inferência sobre os parâmetros de tendência aditiva foi generalizada para a classe de distribuições elípticas. A competência dos laboratórios é avaliada pelo teste da razão de verossimilhança generalizada, do qual, obtemos a distribuição exata para a estatística proposta. Em situações onde os laboratórios medem várias vezes em vários pontos e a variável em análise apresenta variações naturais, utilizou-se o modelo com erro nas variáveis. Diante disso, vamos estender o modelo estrutural definido em Barnett [13] (1969) para o modelo ultra-estrutural com réplicas. Neste caso, vamos avaliar não somente a tendência aditiva, mas também, a tendência multiplicativa, ou seja, avaliar a linearidade das medições. As estimativas dos parâmetros foram obtidas via procedimento do algorítmo EM, com isso, desenvolvemos os teste de Wald, razão de verossimilhança e escore para avaliar a competência dos laboratórios. Nos dois modelos propostos, generalizamos o erro normalizado (En) sugerido pelo Guia 43 [37] para testar a competência dos laboratórios participantes de programas de ensaio de proficiência. Apresentamos também, um procedimento para calcular índices de performance para processos univariados e multivariados. Nestes casos, consideramos que a distribuição dos dados segue uma distribuição Normal assimétrica. Além disso, apresentamos uma análise de simulação onde concluímos que a presença de assimetria nos dados pode causar interpretações erradas sobre o processo, quando a distribuição assumida para os dados é a Normal / We present some applications of statistical tools that are used in the improvement of the quality of industrial processes. Initially, we develop procedures to test the ability of laboratories that participate of programs of proficiency test. In situations where the laboratories measure several times in the same point, we use the model of errors of measurement, considered for Jaech [39](1985). Moreover, the inference on the parameters additive bias was generalized for the class of elliptical distributions. The ability of the laboratories is evaluated by the generalized likelihood ratio test, of which, we get the accurate distribution for the statistics proposal. In situations where the laboratories measure some times in some points and the variable in analysis presents natural variations, uses the model with error in the variable. With this, we go to extend the model structural defined in Barnett [13] (1969) for the ultrastructural model with replicate. In this case, we go to not only evaluate the bias additive, but also, the bias multiplicative, that is, to evaluate the linearity of the measurements. The estimates of the parameters had been gotten by the procedure of the EM algorithm, with this, develop of Wald, likelihood ratio and score test to evaluate the ability of the laboratories. In the two considered models, we generalize the normalized error (En) suggested for Guide 43 [37] to test the ability of the participant laboratories of programs of proficiency test. We also present, a procedure to calculate index of performance for univariate and multivariate processes. In these cases, we consider that the distribution of the data follows a skew Normal distribution. Moreover, we present a simulation analysis where we conclude that the presence of asymmetry in the data can cause interpretations missed on the process, when the distribution assumed for the data is the Normal