• 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
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.45.2000.tde-20210729-115956
Document
Author
Full name
Cláudia Tureta Daré
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2000
Supervisor
Title in Portuguese
Imputação de dados através de modelos de curvas de crescimento polinomiais
Keywords in Portuguese
Análise De Dados Longitudinais
Curvas De Crescimento
Pesquisa E Planejamento Estatístico
Abstract in Portuguese
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
Title in English
not available
Abstract in English
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
 
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.
DareClaudiaTureta.pdf (10.75 Mbytes)
Publishing Date
2021-07-29
 
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 © 2001-2023. All rights reserved.