Show simple item record

dc.contributor.authorRapelli, Cecilia
dc.contributor.authorGarcía, María del Carmen
dc.date.accessioned2020-11-24T22:37:43Z
dc.date.available2020-11-24T22:37:43Z
dc.date.issued2020-10
dc.identifier.urihttp://hdl.handle.net/11086/16899
dc.description.abstractLos modelos lineales mixtos constituyen una poderosa herramienta inferencial que se utiliza para el análisis de datos longitudinales. La complejidad de estos modelos, por la presencia de efectos aleatorios, hace que la elección del mismo haya sido objeto de investigación en los últimos tiempos. La elección de un modelo adecuado para los datos involucra la utilización de criterios de bondad de ajuste y del uso de herramientas de diagnóstico para evaluar la existencia de alguna deficiencia en el modelo estimado. Una forma de verificar la influencia de un grupo de observaciones es omitirlas y observar los cambios en los estimadores mediante la distancia de Cook. Algunos autores comentaron sobre la eficacia limitada de la misma en este contexto pues, al estar orientada a la unidad, puede no ser conveniente para detectar unidades influyentes en vista de la posición relativa de las observaciones dentro y entre los sujetos y propusieron un enfoque condicional basado en medidas orientadas a la observación. La estadística es similar a la distancia de Cook pero condicional a la predicción de los efectos aleatorios. El enfoque anterior se focaliza sólo en los cambios de los coeficientes, no teniendo en cuenta la trayectoria de los casos atípicos. Una nueva herramienta diagnóstica, las sumas de cuadrados de los residuos estudentizados, se construye introduciendo una leve modificación a la expresión de los residuos, proporcionando dos valores, uno mide la desviación entre la media específica de una unidad y la media poblacional y otro que considera la distancia entre una trayectoria individual y su media específica. El gráfico de las mismas permite detectar visualmente varias unidades discordantes, sin eliminar la unidad. El propósito de este trabajo es utilizar estos enfoques para identificar valores y unidades atípicos y/o influyentes y elegir un modelo “óptimo”. Se ilustrar su uso para modelar el nivel de ácido láctico en pacientes con HIV.es
dc.language.isospaes
dc.rightsAtribución-NoComercial 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/*
dc.subjectDatos longitudinaleses
dc.subjectModelos mixtoses
dc.subjectDiagnósticoses
dc.titleUso de métodos diagnósticos en modelos mixtoses
dc.typeposteres
dc.description.filFil: Rapelli, Cecilia. Universidad Nacional de Rosario. Facultad de Ciencias Económicas y Estadística. Escuela de Estadística. Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística; Argentina.es
dc.description.filFil: García, María del Carmen. Universidad Nacional de Rosario. Facultad de Ciencias Económicas y Estadística. Escuela de Estadística. Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística; Argentina.es


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 4.0 Internacional
Except where otherwise noted, this item's license is described as Atribución-NoComercial 4.0 Internacional