Tamanho da fonte: 

Abrangendo uma gama de problemas dos mais diversos, os modelos mistos estão disseminados em várias áreas, da matemática à modificação de genes nas culturas agrícolas. A análise multivariada através de modelos mistos, tem grande aplicação devido, principalmente, a sua grande flexibilidade de acomodação das intraunidades amostrais, comumente encontradas em dados longitudinais. A análise multivariada se refere a todas as técnicas estatísticas que, simultaneamente, analisam múltiplas medidas sobre indivíduos ou objetos sob investigação. Este trabalho buscou realizar uma revisão bibliográfica a fim de se compreender o funcionamento das técnicas de análises multivariadas, a partir de modelos de regressão, tanto os lineares clássicos quanto os de efeitos mistos. Além disso, comparar os ajustes de modelos de efeitos mistos usando diferentes distribuições de probabilidade, tanto para o efeito aleatório, quanto para o erro aleatório. Para isso foi utilizado o pacote heavy, disponibilizado no Software R. Para comparar os ajustes, foram aplicados os critérios de informação de Akaike (AIC), Bayesiano (BIC) e Log-Verossimilhança

Modelos mistos. Técnicas multivariadas. Software R.