• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Doctoral Thesis
DOI
https://doi.org/10.11606/T.11.2019.tde-20191220-120505
Document
Author
Full name
Luis Alberto Lopez Perez
Institute/School/College
Knowledge Area
Date of Defense
Published
Piracicaba, 1992
Supervisor
Title in Portuguese
Estimação e predição nos modelos mistos não balanceados
Keywords in Portuguese
COMPONENTES DE VARIÂNCIA
ESTIMAÇÃO
MODELOS LINEARES MISTOS
PREDIÇÃO
Abstract in Portuguese
Este trabalho apresenta um estudo sobre as funções e preditores lineares nos modelos de efeitos mistos, com estrutura de dados balanceados e desbalanceados. Propõe-se um método alternativo para a estimação dos preditores lineares, baseado nos multiplicadores de Lagrange os quais dependem linearmente da estimação dos efeitos fixos e aleatórios do modelo. A estimação desses efeitos dependem da estrutura da matriz associada de variâncias e covariâncias, por isto apresenta-se uma metodologia visando simplificar sua construção, assim como o cálculo de, sua inversa. Para a estimação dos componentes da variância, o modelo é escrito em termos das decomposições ortogonais lineares, através das quais se estabelece uma relação entre os sub-índices associados aos efeitos do modelo e os produtos de Kronecker das matrizes identidades de ordem s (Is) e, quadradas de elementos unitários de ordem s (Js), com a qual o cálculo dos estimadores de máxima verossimilhança dos componentes de variância associados fica sensivelmente simplificado.
Title in English
Estimation and prediction with mixed unbalanced models
Abstract in English
This work makes a study about the linear functions and predictors in models with mixed effects with balanced and unbalanced datums. Here is presented an alternative method for the estimation of the linear predictors based on the Lagrange's multiplicators, which depend linearly on the estimation of the fixed and aleatory effects of the model. The estimation of these effects depend on the structure of the associate variances and covariances matrix; that's why, a methodology is presented to facilitate its construction and the calculation of its inverse. For the estimation of the variance's components, the model is written in terms of linear orthogonal decompositions, that allow to stablish a relationship between the subindex associated with the effects of the model an the Kronecker products of the identities matrices of order s (Is) and the square matrices of order s (Js), notation this, that suppies the calculation of the maximum likelihood estimators of the associate variance's components.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2019-12-20
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.