Aula 1 (Módulo III)

16 Maio 2019, 11:00 • Jorge Filipe Campinos Landerset Cadima

[Acetatos 1-20 + 23 + 25-39] Apresentação do Módulo. Ferramentas básicas sobre teoria de matrizes: formas quadráticas e a classificação de matrizes simétricas; valores e vectores próprios; a decomposição espectral de matrizes simétricas e sua importância; potências de matrizes definidas positivas; traços e propriedades. Matrizes da (co-)variâncias e (co-)variâncias de combinações lineares de matrizes. Uma abordagem estatística da Análise em Componentes Principais. O Teorema de Rayleigh-Ritz. As componentes principais. Comandos do R para ACP. O exemplo dos lavagantes.

Aula 16 (Módulo II)

14 Maio 2019, 11:00 • Elsa Maria Félix Gonçalves

Estudo de alguns casos particulares (modelos equilibrados, com matrizes G e R diagonais): modelo linear misto, 1 factor de efeitos fixos e 1 factor de efeitos aleatórios, com interacção. Resolução do exercício 4 da colecção de exercícios sobre Modelos Lineares Mistos.

Introdução aos modelos lineares mistos aplicados à análise de dados de ensaios com delineamento experimental em parcelas divididas (split-plot). Discussão do exercício 6.

Aula 15 (Módulo II)

9 Maio 2019, 11:00 • Elsa Maria Félix Gonçalves

Estudo de alguns casos particulares (modelos equilibrados, com matrizes G e R diagonais): modelo aleatório com 2 factores de efeitos aleatórios; modelo misto, 1 factor de efeitos fixos e 1 factor de efeitos aleatórios, sem interacção. Resolução dos exercícios 1d) e 3 da colecção de exercícios sobre Modelos Lineares Mistos.

Aula 14 (Módulo II)

7 Maio 2019, 11:00 • Elsa Maria Félix Gonçalves

Testes de hipóteses (e intervalos de confiança) a combinações lineares dos efeitos do modelo linear misto. Comparação e selecção de modelos: testes de razão de verosimilhanças, critério de informação de Akaike e critério de informação de Bayes. Validação dos pressupostos do modelo.
Estudo do caso particular: modelo aleatório a 1 factor de efeitos aleatórios, equilibrado, com matrizes G e R diagonais. Resolução dos exercícios 1a), b) e c) da colecção de exercícios sobre Modelos Lineares Mistos.

Aula 13 (Módulo II)

2 Maio 2019, 11:00 • Elsa Maria Félix Gonçalves

Modelos lineares mistos: alguns exemplos de aplicação. Formulação geral do modelo, propriedades e alguns casos particulares.

Estimação dos parâmetros do modelo. O método de máxima verosimilhança restrita (REML). Propriedades dos estimadores de máxima verosimilhança restrita – caso geral. As equações do modelo misto. Os melhores estimadores lineares não enviesados (BLUEs) dos efeitos fixos e os melhores preditores lineares não enviesados (BLUPs) dos efeitos aleatórios.