Uma suposição muito comum em modelos de regressão é assumir que as observações seguem uma distribuição normal. No entanto, esta suposição às vezes é irreal e pode ocultar importantes características do modelo. Neste trabalho, apresentamos e estudamos os modelos de Grubbs e com intercepto nulo com erros de medida e também modelos lineares mistos, considerando distribuições normais-assimétricas. Para validar tais modelos, propomos técnicas de diagnóstico e as ilustramos com exemplos práticos. Para modelos com dados censurados e com erros de medida, conseguimos comparar procedimentos de estimação com e sem dados agrupados considerando distribuição log-normal e as ilustramos através de simulações.

not available