• 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
 
 
Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.45.2000.tde-20210729-115956
Documento
Autor
Nome completo
Cláudia Tureta Daré
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2000
Orientador
Título em português
Imputação de dados através de modelos de curvas de crescimento polinomiais
Palavras-chave em português
Análise De Dados Longitudinais
Curvas De Crescimento
Pesquisa E Planejamento Estatístico
Resumo em português
Em estudos longitudinais é freqüente a ocorrência de observações ausentes. Uma abordagem para dados incompletos é a imputação, que consiste em prever as observações ausentes, completando o conjunto de dados para posterior análise. Neste trabalho, a imputação é feita através do modelo de curvas de crescimento polinomiais sob o modelo misto, com as suposições de normalidade de efeitos e erros aleatórios, independência dos erros e mesma matriz de covariância para efeitos individuais. O método de imputação adotado é o BLUP (Best Linear Unbiased Predictor), que depende da estimação das matrizes de covarância, para a qual vários métodos são considerados. Além disso, a técnica é aplicada a um conjunto de dados reais e, para outros três conjuntos de dados, os resultados são comparados com os de outros trabalhos
Título em inglês
not available
Resumo em inglês
In longitudinal studies is often the occurrence of missing observations. One way to handle incomplete data is the imputation, which consists of predicting the missing observations to complete the data set which will be later analised. In this work, the imputation is obtained using the polynomial growth curves models under assumption of normality of effects and random errors, independence of erros and same covariance matrix for individual effects. The imputation method is the best linear unbiased predictor (BLUP), that depends on estimation of the covariance matrix, for which some methods are considered. The imputation technique is applied to some sets of real data and the results are compared with others works from the literature
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
DareClaudiaTureta.pdf (10.75 Mbytes)
Data de Publicação
2021-07-29
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.