Modelos Lineares Generalizados em Experimentação Agronômica
Modelos Lineares Generalizados em Experimentação Agronômica
Modelos Lineares Generalizados em Experimentação Agronômica
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
20 Clarice G.B. D<strong>em</strong>étrio<br />
f U<br />
1<br />
τ<br />
⎛ u − α ⎞<br />
⎜ ⎟<br />
⎝ τ ⎠<br />
⎧<br />
⎨<br />
⎩<br />
⎛ u − α ⎞⎫<br />
⎜ ⎟⎬<br />
⎝ τ ⎠⎭<br />
( u;<br />
α,<br />
τ)<br />
= exp exp − exp , α ∈ ℜ,<br />
τ > 0,<br />
2 2<br />
2<br />
π τ<br />
com média E (U ) = α+ γτ e variância σ = Var(<br />
U ) = , sendo γ ≈ 0,<br />
577216 (Mood et<br />
6<br />
α 1<br />
al., 1974). Fazendo-se, β 1 = - e β 2 = , t<strong>em</strong>-se:<br />
τ τ<br />
Logo,<br />
i<br />
f<br />
U<br />
β1+<br />
β2u<br />
( u β , β ) β exp(<br />
β + β u − e )<br />
; 1 2 2 1 2<br />
= .<br />
( U d ) F(<br />
d ) [ ( d ]<br />
exp - exp - 1 = β β<br />
≤<br />
π = =<br />
)<br />
P i<br />
i<br />
1 2 +<br />
é uma função não-linear <strong>em</strong> um conjunto linear de parâmetros e é linearizada por:<br />
[ − ln(<br />
1-<br />
π i ) ] = β1<br />
+ 2d<br />
i<br />
l n β .<br />
Vê-se, então, que esses três ex<strong>em</strong>plos têm <strong>em</strong> comum<br />
i) a distribuição dos Y (Binomial) é um m<strong>em</strong>bro da família exponencial, com<br />
E( Y ) = µ = m π<br />
i<br />
i<br />
i<br />
i<br />
;<br />
i<br />
ii) as variáveis explanatórias entram na forma de uma soma linear de seus efeitos, ou<br />
seja,<br />
( ) T<br />
2<br />
η = ∑ β<br />
x β<br />
T<br />
=<br />
i xij j i<br />
j=<br />
1<br />
T<br />
sendo, x i = 1 d i , ( 1 2 e η o preditor linear.<br />
β β = β ) i<br />
iii) a média µ i é funcionalmente ligada ao preditor linear, isto é,<br />
que nos casos vistos foram:<br />
( ) ( )<br />
-1<br />
modelo probit: η = g π = Φ π ;<br />
i<br />
modelo logístico: ( ) ⎟ i<br />
η = g π = n⎜<br />
i<br />
⎛ π ⎞<br />
i i l<br />
⎜<br />
;<br />
⎝1<br />
− πi<br />
⎠<br />
i<br />
⎛ µ i ⎞<br />
η i = g<br />
⎜ = g(<br />
π i )<br />
m ⎟<br />
⎝ i ⎠<br />
( ) [ ( ) ]<br />
modelo compl<strong>em</strong>ento log-log: η = g π = ln<br />
- ln<br />
1-<br />
π .<br />
i<br />
i<br />
i<br />
i