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.

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.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-19T17:20:50Z No. of bitstreams: 1 JOSÉ IRAPONIL COSTA LIMA - DISSERTAÇÃO PPGMAT 2008..pdf: 699592 bytes, checksum: 5198d2760970321e3eefbeceb3ae9266 (MD5) / Made available in DSpace on 2018-07-19T17:20:50Z (GMT). No. of bitstreams: 1 JOSÉ IRAPONIL COSTA LIMA - DISSERTAÇÃO PPGMAT 2008..pdf: 699592 bytes, checksum: 5198d2760970321e3eefbeceb3ae9266 (MD5) Previous issue date: 2008-09 / O método de influência local proposto por Cook (1986) é uma importante ferramenta na análise da influência conjunta das observações nos resultados de um ajuste de regressão. Esta técnica tem como objetivo principal avaliar mudanças nos resultados da análise quando pequenas perturbações são incorporadas ao modelo e/ou aos dados. Se essas perturbações causarem efeitos desproporcionais nas estimativas, pode ser indí io de que o modelo está mal ajustado ou que possam existir afastamentos sérios das suposições feitas para o mesmo. Apesar do método baseado na curvatura normal proposto por Cook (1986) ser de grande utilidade, este possui alguns in convenientes. Por exemplo, a curvatura normal pode tomar qualquer valor real e não é invariante sob uma mudança uniforme de escala. Neste trabalho, estudamos a influência local conforme, proposto por Poon & Poon (1999) em modelos de regressão, que tem como objetivo contornar estes inconvenientes. Mais especificamente, aplicamos esta técnica de diagnóstico para os modelos de regressão log-Birnbaum-Saunders e derivamos as matrizes apropriadas para obter a influência local nos parâmetros estimados de um modelo mais geral, o modelo de regressão senh-normal. Finalmente, ilustramos a teoria desenvolvida em conjuntos de dados reais. / The method of local influence proposed by Cook (1986) is an important tool in the analysis of the joint influence of the observations in the results of a regression fit. This technique has as main goal to evaluate hanges in the results of the analysis when small perturbations are incorporated the model and/or to the data. If these perturbations would cause non proportion effect it can be indication of that the model is badly fitted or that possible departures from the assunptions made for this model an exist. Although the method based on normal curvature proposed by Cook (1986) has been demonstrated to be very useful, this possesses some issues. For example, the normal curvature may take any value and it is not invariant under a uniform hange of scale. In this work, we study the conformal local influence, proposed by Poon & Poon (1999) in regression models, that has as objective to address these issues. More specifically , we apply this technique of diagnostic for log-Birnbaum-Saunders regression models and we derive matrices appropriate to obtain the conformal local influence in the estimated parameters of a more general model, the senh-normal regression model. Finally, we consider empiritical examples with real data to illustrate the theory developed.